《Frontiers in Public Health》：Dynamic risk prediction of physical fitness failure in college students: a four-year longitudinal landmark supermodel study
编辑推荐：
目的：旨在开发并验证一种用于识别大四学年存在体质健康测试失败风险大学生的动态风险预测模型（Landmark Supermodel），并通过序贯风险更新确定最佳干预窗口。方法：研究纳入4,006名具有四年纵向体质健康测试数据的大学生（男性2,745名；女性1,2
目的：旨在开发并验证一种用于识别大四学年存在体质健康测试失败风险大学生的动态风险预测模型（Landmark Supermodel），并通过序贯风险更新确定最佳干预窗口。方法：研究纳入4,006名具有四年纵向体质健康测试数据的大学生（男性2,745名；女性1,261名）。每年评估十项体质健康指标。研究人员在三个标志性时间点使用随机森林（Random Forest）与极限梯度提升（XGBoost）分类器构建按性别分层的Landmark Supermodel，模型包含57个工程化特征，涵盖静态快照、累积汇总、变化轨迹、变异性和交互项。模型性能通过曲线下面积（AUC）、布里尔分数（Brier score）、校准曲线和决策曲线分析进行评估。结果：随机森林Landmark Supermodel在男性中达到AUC为0.842（95% CI: 0.831–0.853），在女性中为0.773（95% CI: 0.737–0.818）。男性AUC从大一结束后0.751提升至大二结束后0.858，再提升至大三结束后0.894。在大三标志性时间点，风险分层将男性学生区分为高风险组（失败率44.3%）、中风险组（6.7%）和低风险组（1.3%）。肺活量、耐力跑成绩和身体质量指数轨迹成为最重要的预测特征。结论：动态标志性风险预测能够准确识别存在体质健康测试失败风险的学生，大二学年为最佳干预窗口。该模型为体育教育中的个体化早期预警提供了一种循证工具。
**一、研究背景与问题提出**
青年时期体适能水平是长期健康结局的重要预测指标，与心血管疾病、代谢综合征及全因死亡率密切相关。大学阶段是学生生活方式、饮食习惯和身体活动模式发生深刻改变的关键时期，国际纵向研究持续记录了大学生体重增加与体适能下降的趋势。我国覆盖24万名大学生的全国性调查显示，超重与肥胖检出率在2000至2019年间从3.7%上升至14.0%，提示年轻成年人身体健康状况令人担忧。然而，当前大学生体质健康监测主要依赖群体层面的描述性统计，如年度均数比较、患病率估计和横断面调查，虽能刻画人群趋势，却无法提供个体化风险信息。体育教师在面对一名体测成绩处于边缘水平的大一新生时，缺乏循证工具回答两个核心问题：该学生到大四时体质测试失败的概率有多大？最佳干预时机在何时？这一群体监测与个体预测之间的鸿沟构成了当前体育实践的根本局限。标志性分析（Landmark analysis）起源于临床肿瘤学和心血管流行病学，为利用累积纵向数据进行动态风险预测提供了方法论框架，已在临床上获得成功应用并获得TRIPOD声明的推荐，但尚未被引入教育情境中的体质健康风险预测。
**二、研究设计与核心发现**
研究人员开展了一项四年纵向队列研究，纳入某综合性大学4,006名本科生（男性2,745名，女性1,261名），共贡献16,024人年观测记录。研究在三个标志性时间点（大一结束后LM1、大二结束后LM2、大三结束后LM3）构建按性别分层的Landmark Supermodel，利用截至各标志点可获取的全部纵向数据预测大四学年的体质测试失败结局。主要发现包括：第一，随机森林Landmark Supermodel在男性中AUC达0.842，女性为0.773；第二，预测性能随纵向信息积累而显著提升，男性AUC从LM1的0.751增至LM3的0.894，女性从0.616增至0.878，且最大增量均出现在大一至大二之间（男性ΔAUC=+0.107，女性ΔAUC=+0.164），由此确定大二学年为最佳干预窗口；第三，LM3的风险分层有效区分了具有临床意义的风险亚组，男性高风险组失败率达44.3%，而低风险组仅1.3%。敏感性分析证实了主要发现的稳健性。该研究首次将标志性分析方法引入大学体质健康预测领域，为体育教育从群体监测迈向精准干预提供了方法论示范。
**三、关键方法与技术**
研究基于中国东南地区一所综合性大学的纵向队列，数据来源于2021至2025学年每年秋季学期按国家学生体质健康标准实施的测试。核心技术路径包括：（1）在三个标志性时间点构建Supermodel，将每人贡献至多三行观测，标志时间作为协变量，并在交叉验证中以学生ID为分组变量防止跨标志点数据泄漏；（2）工程化57个特征，涵盖静态快照、累积汇总、基线变化、前后变化、变异性和派生交互特征，并确保每个标志点仅使用当时可获取的信息；（3）采用随机森林（500棵树，最大深度10）与XGBoost（500棵树，最大深度5）进行模型训练，通过10折分层组交叉验证评估性能，以AUC为主要指标，辅以布里尔分数、校准曲线和决策曲线分析；（4）缺失数据采用按性别和学年分层的中位数填补，并构造缺失指示变量，同时通过完整病例分析和δ调整模式混合模型进行敏感性验证；（5）特征重要性评估结合基尼重要性与SHAP值分析，并开发基于L1惩罚逻辑回归的评分列线图作为简化的临床应用工具。
**四、主要研究结果**
**样本特征：** 四年间男性BMI从22.49±3.59 kg/m2增至23.57±4.76 kg/m2（平均增加1.08 kg/m2），女性从21.17±2.89增至21.46±3.06 kg/m2。男性肺活量从4,327±795 mL增至4,568±863 mL，男性耐力跑时间从236.1±24.7秒增至250.3±30.2秒，提示心肺耐力下降。大四学年失败率男性为17.4%，女性为4.8%。
**模型性能比较：** 随机森林在总体Supermodel比较中优于XGBoost（男性z=3.98，p=0.0001；女性z=2.93，p=0.003），虽在早期标志点差异不显著。女性模型性能受限主要归因于极低的结局发生率（4.8%）。
**跨标志点动态预测：** 预测性能随纵向信息积累呈渐进式提升，LM1至LM2的增量增益最为显著，大二学年被确定为信息获取效率最高的时期。
**风险分层与校准：** 校准曲线显示中高风险层预测与观测具有合理一致性。女性LM3低风险层出现校准偏差（观测失败率0.0%对比预测风险11.3%），但该层阴性预测值完美，表明绝对风险估计虽存在高估，风险排序仍具可靠排除价值。
**特征重要性：** 当年体质健康指标权重最高，男性LM3前五位预测因子为当年总成绩、耐力跑时间、肺活量、肺活量斜率及BMI基线变化。动态轨迹特征和肺活量体重比等派生特征亦具重要价值。
**敏感性分析：** 完整病例分析（n=1,786）获得可比AUC值，δ调整分析未改变主要结论或最佳干预窗口的判定。
**五、讨论与结论**
讨论部分指出，该研究将临床预测方法学引入教育评估领域，填补了群体监测与个体预测之间的方法论空白。大二学年作为最佳干预窗口符合发展心理学视角，此时大学适应已趋稳定而生活习惯仍具可塑性。性别分层分析显示女性BMI增幅显著小于男性，且低事件率制约了模型性能，提示女性模型的估计需在更大队列中谨慎解读。列线图提供了无需计算资源的透明评分工具，风险分层表可实现精准资源配置。局限性包括观测设计无法推导因果、单一大学的样本限制外推性、缺乏行为协变量、肺活量为间接指标、女性事件数不足（57个特征对应60个事件，EPV约1）、缺乏外部验证等。研究结论指出，动态标志性风险预测能够准确识别存在大四体质测试失败风险的学生，大二学年为最佳干预窗口，该模型为体育教育中的个体化早期预警和精准靶向干预提供了循证工具，展示了临床预测方法学应用于教育体质健康评估的可行性与价值。
