基于机器学习和代谢组学特征的虚弱亚型识别方法及装置

本申请提供基于机器学习和代谢组学特征的虚弱亚型识别方法及装置，包括数据获取与预处理步骤：分析251种代谢物并标准归一化处理；并将数据划分为训练集和测试集；虚弱亚型识别步骤：用CatBoost算法分析代谢特征并选SHAP值排序最高的前11个关键代谢物，通过主成分分析及K均值聚类分析将虚弱参与者分层为四个亚型；虚弱亚型与慢性疾病及全因死亡率关联评估步骤：用Kaplan–Meier曲线展示四种亚型及非虚弱参与者在13种慢性疾病和全因死亡率上的累积发病率差异，并用多变量Cox比例风险模型检验新型虚弱亚型与这些结果的关联。基于机器学习和代谢组学特征，识别新型虚弱亚型，并评估其在慢性病管理和预后中的应用价值，为临床干预和健康管理提供新的依据。