基于可解释机器学习的全球工作年龄人群2型糖尿病流行病学趋势预测与关键驱动因素解析（1990-2050）

本研究利用全球疾病负担数据，通过XGBoost模型和SHAP解释框架，揭示了工作年龄人群T2DM负担将持续加剧（205年预计达3238万例），发现高龄、高血糖、BMI和空气污染是关键驱动因素，为制定针对性防控策略提供科学依据。

　　

通过可解释机器学习框架对全球工作年龄人群（Working-age population, WAP）的2型糖尿病（Type 2 diabetes mellitus, T2DM）疾病负担进行了长达60年的流行病学评估。研究团队从全球疾病负担2021（Global Burden of Disease 2021）研究中提取细粒度数据，采用极端梯度提升（eXtreme Gradient Boosting, XGBoost）模型预测疾病趋势，并运用SHapley Additive exPlanations（SHAP）方法增强模型可解释性。

结果显示：全球WAP人群T2DM发病数将从1990年的633万例激增至2050年的3238万例，增长达五倍。北非/中东地区增长最快（估计年度百分比变化EAPC=3.45）。值得注意的是，社会经济指数与T2DM负担传统的负相关关系正在发生逆转（p<0.01），英国等高收入地区到2050年年龄标准化伤残调整生命年（DALY）率将加速上升（EAPC=1.43）。

SHAP分析揭示：年龄是最主要驱动因素，高血糖、体重指数（BMI）和空气污染持续发挥重要影响。高温和酒精消费则成为日益显著的风险因子。该研究警示WAP人群T2DM负担呈现 alarming 趋势，特别是在劳动力价值高的老龄化社会。针对WAP的定制化指南可能减轻全球疾病负担，但加强肥胖和气候变化应对对有效管理T2DM至关重要。

（作者声明无利益冲突）