基于设备测量的24-h活动行为预测青少年代谢综合征：一种机器学习方法

《Frontiers in Public Health》：Predicting metabolic syndrome in adolescents from device-measured 24-h movement behaviors: a machine learning approach

　　

目的：开发并内部评估一种非侵入性机器学习模型，用于使用24小时活动行为和非侵入性测量的人体特征识别青少年代谢综合征（metabolic syndrome, MS）。方法：本横断面研究纳入2023年9月至2025年9月在中国天津招募的822名12–15岁青少年。使用ActiGraph GT3X+加速度计评估活动行为，使用双能X射线吸收法（dual-energy X-ray absorptiometry, DXA）测量身体成分，并根据2007年国际糖尿病联盟（International Diabetes Federation, IDF）标准诊断MS。采用最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）回归进行特征选择，并比较了13种机器学习算法。在模型开发过程中使用SMOTETomek处理类别不平衡。采用分层五折交叉验证和独立内部测试集评估性能。使用SHapley Additive exPlanations（SHAP）解释模型预测。结果：LASSO保留了8个预测因子：腰围、体脂率（FAT%）、体重、年龄、中等强度体力活动（moderate physical activity, MPA）、剧烈体力活动（vigorous physical activity, VPA）、睡眠时长和性别。Extra Trees取得了最佳交叉验证性能，平均AUC为0.749（标准差，0.043），F₁分数为0.798（标准差，0.028）。其相对优势可能反映了随机化树集成能够捕捉非线性关系和特征交互，同时通过聚合降低方差的能力。在独立内部测试集中，模型AUC为0.864，准确率为92.02%，特异性为93.33%，敏感性为76.92%。敏感性相对于准确率和特异性较低，表明一些患有MS的青少年可能未被检测到。SHAP将FAT%列为最具影响力的预测因子（平均绝对SHAP值，0.08），并将MPA列为首要的活动行为预测因子（0.04），从而提高了模型预测的透明度。结论：Extra Trees模型在交叉验证中显示出中等区分能力，在内部测试集中表现更强，但这一差异需谨慎解读。SHAP通过识别FAT%和MPA为有影响力的预测因子提高了模型透明度。在大规模筛查之前，需要进行多中心外部验证和可行性评估。

代谢综合征（MS）是中心性肥胖、血糖调节异常、高血压和血脂紊乱聚集的临床综合征，是2型糖尿病和心血管疾病的重要危险因素。随着青少年肥胖流行加剧，青少年MS患病率快速上升，早期识别高危人群对降低远期心血管疾病负担至关重要。然而，现有机器学习预测模型尚未充分整合24小时活动行为的多维特征，也缺乏对模型决策机制的深度解释。为此，研究人员利用设备测量的24小时活动行为与非侵入性人体测量指标，构建并内部评估了青少年MS预测模型。

该研究于2023年9月至2025年9月在中国天津采用分层整群抽样招募822名12–15岁青少年（男性385名，女性437名），MS总体患病率为8.0%。研究使用ActiGraph GT3X+加速度计评估24小时活动行为，DXA测量身体成分，依据2007年IDF标准诊断MS。通过LASSO进行特征选择，比较13种机器学习算法，采用SMOTETomek处理类别不平衡，以分层五折交叉验证和独立内部测试集评价性能，并用SHAP解释模型。结果显示Extra Trees模型综合性能最优，SHAP识别出体脂率（FAT%）和中等强度体力活动（MPA）为重要预测因子。该模型可能为学校和社区提供便捷的MS初步风险分层工具，但需多中心外部验证。

主要关键技术方法包括：样本队列来自中国天津市822名12–15岁青少年；使用ActiGraph GTX3+加速度计测量24小时活动行为；使用DXA测量身体成分；依据2007 IDF标准诊断MS；采用LASSO回归进行特征选择；比较13种机器学习算法（包括Extra Trees、XGBoost、随机森林等）；使用SMOTETomek处理类别不平衡；通过分层五折交叉验证和独立内部测试集评估模型性能；采用SHAP值解释模型预测。

研究结果如下。3.1 参与者基线特征：研究共纳入822人，训练集659人（男306，女353），测试集163人（男79，女84），平均年龄13.18±0.98岁，MS患病率训练集和测试集均为8.0%，两组基线特征无显著差异。3.2 特征选择：LASSO回归保留8个预测因子，其中腰围（β=0.21）、体脂率（β=0.18）、体重（β=0.17）和年龄（β=0.04）的系数为正，与MS风险升高相关；MPA（β=-0.16）、VPA（β=-0.13）和睡眠时长（β=-0.05）的系数为负，与MS风险降低相关；性别经专家论证后纳入。3.3 机器学习模型构建与评估：对13种算法进行比较，Extra Trees在五折交叉验证中获得最高平均AUC（0.749±0.043）和F₁分数（0.798±0.028），综合准确率、AUC和F₁后性能最均衡，被选为最优模型。学习曲线显示Extra Trees随训练样本量增加表现持续改善。3.4 最优模型验证：Extra Trees在内部测试集上的AUC为0.8638，准确率92.02%，精确率50.00%，敏感性76.92%，特异性93.33%，F₁分数60.61%，Cohen's Kappa为0.5639。敏感性低于准确率和特异性，提示部分MS青少年可能漏检。3.5 模型解释：SHAP值显示预测因子贡献排序为FAT%（0.08）、体重（0.04）、MPA（