随着全球老龄化社会的来临,老年人的健康状况受到社会各领域广泛关注。肌少症正是老年群体的常见疾病,其严重损害老年群体的生活品质和身体健康,广泛且有效的识别肌少症是保障老年群体健康的必要手段。机器学习方法在疾病预测方面的研究日益深入,由于可以探索数据之间的隐秘联系,相比于传统的统计学方法,由机器学习方法构建的模型在预测性能上更加高效。因此,本研究以常规体检数据为基础,采用机器学习方法对老年人肌少症患病情况建立预测模型,探究肌少症的影响因素,为肌少症的健康管理提供建议。本文的主要研究工作如下:（1）基于常规体检数据的肌少症风险预测研究。本研究基于所用数据集的不同将肌少症预测研究分为两个部分:横截面数据预测研究和纵向数据预测研究。对于横截面数据预测研究,实验收集了2019年上海某家医院的5641名老年体检人员的体检信息。先利用统计学中Wilcoxon秩和检验和卡方检验找出差异显著的特征,再使用八种机器学习方法对肌少症进行预测,建立较优的肌少症预测模型。对于纵向数据预测研究,纵向数据来自于相同医院从2013年至2019年共计7年的体检数据,共2544例被试者。先采用统计学中重复测量方差分析方法,探查肌少症组和正常者组各指标随着时间变化的差异,再基于纵向体检数据,运用三种机器学习方法建立老年人未来肌少症风险预测模型。（2）肌少症的影响因素研究和肌少症健康管理启示。利用前三种预测性能较优算法的单个特征评分寻找肌少症的影响因素和重要体检项目,确定了年龄、体重、身高、BMI（身体质量指数）、腰围、臀围、舒张压以及平均红细胞血红蛋白量、高密度脂蛋白、平均红细胞体积、红细胞、甘油三酯是肌少症的影响因素,体格检查、血检指标、血常规、肝肾功能、生活习惯和一般信息是预测肌少症重要体检项目。纵向数据分析也可看出,肌少症群体和正常群体在体重、BMI、腰围、臀围和心率上变化不同,肌少症群体在这些指标上的变化幅度更大,老年人以及中老年人可以提高这些指标的个人监察意识,提前预防肌少症的发生。接着,通过结合人口健康管理的相关理论知识,给出肌少症健康管理的建议。