近年来,健康风险因素筛选已成为生物医学、生物统计学研究领域的热点问题。脂肪肝等慢性疾病风险因素众多,关系复杂,传统的因素筛选方法存在变量过多导致运算量大的问题。Lasso方法是通过构造惩罚函数压缩一些回归系数,从而得到一个较为精炼的模型,并且能同时实现变量选择和参数估计。随机森林方法是一种组成式的有监督的学习方法,通过构建决策树对样本进行分类,该方法的一个特点是可以度量变量重要性。本论文将随机森林与Lasso Logistic回归模型相结合,即随机森林-Lasso Logistic回归模型。为了评价随机森林-Lasso Logistic回归模型的应用效果,将该模型用于脂肪肝风险因素的筛选,分析脂肪肝风险因素。本研究主要作了以下工作:1.回顾了Lasso方法的国内外研究现状与进展,介绍了Lasso方法和Lasso Logistic回归模型的基本理论和算法以及将随机森林和Lasso Logistic回归模型结合的方法,复习了Lasso方法和Lasso Logistic回归模型调和参数?的选择方法。2.2019年12月在西部战区总医院健康管理中心收集到3724名健康体检者,经数据整理后,得到3500份有效样本,有效应答率为93.98%;3500名健康体检者的年龄为20～88岁,平均年龄为48.42?10.83岁,其中男性1982名(占56.63%),女性1518名(占43.37%),患有脂肪肝1049名(占29.97%,95%CI为(28.45%,31.49%))。3.探讨随机森林-Lasso Logistic回归模型、Lasso Logistic回归模型、最优子集回归模型、逐步Logistic回归模型筛选脂肪肝风险因素的效果。采用基于实际研究数据抽样产生模拟数据的方法,探讨不同样本量和阳性率的情况下,四种回归模型正确选择影响因素的平均数量和正确剔除影响因素的平均数量,每种情况模拟100次,模拟实验结果显示:随机森林-Lasso Logistic回归模型和Lasso Logistic回归模型正确选择影响因素的平均数量高于最优子集回归模型和逐步Logistic回归模型;当阳性率为50%时,四种回归模型筛选影响因素的效果最好。当样本量是自变量个数10倍以上时,样本量的改变对四种回归模型的影响不大。4.将随机森林-Lasso Logistic回归模型应用于脂肪肝健康风险因素筛选的实例研究,探讨随机森林-Lasso Logistic回归模型筛选脂肪肝健康风险因素的效果。采用交叉验证的方法将3500份有效样本划分为训练集和测试集,在训练集上建立随机森林-Lasso Logistic回归模型,再建立Lasso Logistic回归模型、最优子集回归模型和逐步Logistic回归模型,通过对比四种回归模型,探讨随机森林-Lasso Logistic回归模型的优势。分别评价四种回归模型的拟合效果和预测性能,结果发现:随机森林-Lasso Logistic回归模型的决定系数R~2和校正后的决定系数R~2的均值分别为0.627和0.621,Lasso Logistic回归模型、最优子集回归模型和逐步Logistic回归模型的决定系数R~2和校正后的决定系数R~2的均值均小于随机森林-Lasso Logistic回归模型。随机森林-Lasso Logistic回归模型的TPR、F-measure和AUC(受试者工作特征曲线下面积)的均值分别为0.675、0.702、0.785,Lasso Logistic回归模型、最优子集回归模型和逐步Logistic回归模型的TPR、F-measure和AUC的均值均小于随机森林-Lasso Logistic回归模型,随机森林-Lasso Logistic回归模型的拟合效果和预测性能均优于Lasso Logistic回归模型、最优子集回归模型和逐步Logistic回归模型。5.经模拟实验和脂肪肝风险因素筛选实例分析,验证了随机森林-Lasso Logistic回归模型是一种可用于慢性疾病健康风险因素筛选的较优的多因素分析方法,能更好地解释和分析所研究的因变量,具有更好的实际应用意义。