基于可穿戴设备数据和机器学习算法的CVD风险评估工具

本发明涉及一种基于可穿戴设备数据和机器学习算法的CVD风险评估工具，包括：数据采集模块，通过心血管风险评估量表获取心血管传统危险因素，并通过可穿戴设备获取监测数据；特征筛选模块，确定候选预测因子范围，随后通过联合使用最小绝对收缩和选择算子(LASSO)、随机森林(RF)和Logistic回归模型，对佩戴可穿戴设备的人群进行特征提取及预测因子的筛选；模型构建模块，基于XGBoost机器学习算法构建模型；风险诊断模块，基于可穿戴设备数据实时获取的特征数据，输出评估个体10年内CVD风险为中高风险的概率。本发明能够动态评估个体的心血管健康状况，提供个性化、及时的风险预警，适用于日常健康管理和远程监控等场景，为心血管疾病的早期干预和个性化医疗提供新的解决方案。