代谢综合征(Metabolic syndrome,MetS)是一组复杂的多种物质代谢紊乱症候群,极易引发高血压、高血糖、高血脂等并发症。MetS通常通过医院的健康体检诊断,诊断指标包括身高、体重、腰围、血压和部分血液检测指标。但是,目前中国体检的渗透率远低于发达国家。这样的情况需要一种不依赖于医院健康检查的MetS预测方法。但是,自我管理过程中血液检测数据无法获取,这给MetS的预测带来挑战。本论文提出一种新颖的基于插补特征的MetS自我预测方法。数据集包含浙江大学医学院附属第一医院健康检查数据库91,420人次的健康检查资料。在该方法中,第一步预测出血液检测数据,第二步将血液检测数据的预测值作为补充特征用于训练出MetS预测模型。本文使用XGBoost构建了另外两种模型以对比三种方法的性能。第一种模型只使用自我可观测的特征,第二种模型使用新增的血液检测数据进行训练。在第三种模型中,MICE(multivariate imputation by chained equations)方法用于预测出血液检测数据,从而替代第二种模型的真实数据来进行训练。结果表明,与前两个模型相比,本文所提出的基于插补特征的模型(第三种模型)显示出显著更高的预测性能。此外,该方法同样适用于已知历史血液检测数据的情况。当部分血液检测数据已知时,该方法构建的模型AUC(area under the curve)有所提高,然而模型性能提升效果并不显著。本文的研究成果证明了基于插补特征的模型构建方法在MetS自我管理中的可行性。它为促进MetS健康管理的创新研究提供了新颖的思路。模型的进一步的验证和实施可能会有效改善人群的生活质量。