# 衰弱风险预测

该研究利用中国健康与养老追踪调查（CHARLS，2011–2018，3622人）与英国老龄化纵向研究（ELSA，2012–2020，2059人）两个前瞻性队列，在基线无衰弱且以脂质蓄积指数（LAP）定义MASLD的中老年人中，用LASSO、Boruta与递归特征消除从31个候选变量中筛出14个共识预测因子并训练九种机器学习模型，结果逻辑回归表现最佳（CHARLS内部测试AUC 0.740，ELSA外部验证AUC 0.753），疼痛是预测贡献最大的变量（平均绝对SHAP值0.184），在包含基线衰弱指数的完全校正模型中疼痛仍与新发衰弱相关（CHARLS RR 1.219，ELSA RR 1.310），归因分

该研究利用中国健康与养老追踪调查（CHARLS，2011–2018，3622人）与英国老龄化纵向研究（ELSA，2012–2020，2059人）两个前瞻性队列，在基线无衰弱且以脂质蓄积指数（LAP）定义MASLD的中老年人中，用LASSO、Boruta与递归特征消除从31个候选变量中筛出14个共识预测因子并训练九种机器学习模型，结果逻辑回归表现最佳（CHARLS内部测试AUC 0.740，ELSA外部验证AUC 0.753），疼痛是预测贡献最大的变量（平均绝对SHAP值0.184），在包含基线衰弱指数的完全校正模型中疼痛仍与新发衰弱相关（CHARLS RR 1.219，ELSA RR 1.310），归因分