摘要： 目的 构建并验证基于机器学习的高血压患者服药依从性预测模型,为临床分层干预提供参考。方法 采用横断面调查,连续纳入2023年6月至2024年10月通化市3家三级甲等医院高血压门诊及1家社区卫生服务中心患者。收集人口学与疾病相关信息、健康生活方式、焦虑/抑郁情绪等指标,采用量表评估服药依从性。按7∶3随机分为训练集与内部验证集,在训练集中进行单因素与多因素logisic回归筛选变量,并在相同特征集基础上建立LR、RF与SVM模型;在内部验证集中评价AUC、灵敏度、特异度及校准表现。结果 共纳入1 728例（训练集1 210例、内部验证集518例）。多因素分析结果显示,年龄（OR=0.97）、抑郁情绪（OR=0.68）、焦虑情绪（OR=0.79）、受教育水平（OR=1.32）、健康生活方式（OR=2.93）、疾病知识（OR=0.79）均为高血压患者服药依从性的相关因素（均P<0.05）。结论 机器学习模型可用于识别依从性风险较高人群,支持门诊随访与个体化干预。

关键词: 高血压, 机器学习, 服药依从性, 预测模型

中图分类号: 

• R181