1.1 选题背景糖尿病是以慢性高血糖为核心特征的代谢性疾病长期血糖控制不佳会持续损伤眼、肾脏、心脏、血管及神经系统引发多种严重并发症严重影响患者生活质量与生命健康。根据国际糖尿病联盟IDF2025年公布的数据全球糖尿病患病人数已高达5.92亿若按当前趋势发展预计到2045年将超过7.83亿。我国糖尿病患病率已达11.2%同时患病群体逐渐年轻化。值得关注的是我国约半数患者未能得到及时诊断错过了最佳干预与治疗窗口给公共卫生和家庭健康带来了沉重负担[1]。1.2 选题意义传统糖尿病诊断主要依靠空腹血糖、餐后2小时血糖等生化检测指标这类方式通常在患者血糖已出现明显异常后才能确诊具有较强的滞后性同时诊断结果也易受主观判断影响难以实现疾病的早期预警。随着机器学习技术在医疗领域的广泛应用利用多维度临床特征构建智能预测模型对糖尿病患病风险进行提前识别已成为当前健康管理与疾病防控领域的重要研究方向。本研究采用机器学习算法构建糖尿病风险预测模型并基于SpringBoot框架开发可实际应用的预测系统为糖尿病早期筛查与风险评估提供技术支持有效降低疾病防控成本提升公共卫生管理效率与服务水平[2]。1.3 国内外研究现状1.3.1 国外研究现状在大数据驱动下国外基于随机森林的糖尿病风险预测已形成规模化、多源化研究体系。欧美学者依托 NHANES、UKBiobank等百万级真实世界临床与体检数据融合电子健康记录、时序血糖、代谢组与多模态生物标志信息构建高泛化性预测模型[3]。多项对比实验证实随机森林在处理高维、非线性、不平衡医疗大数据时优势显著在公开数据集与真实临床验证中准确率普遍达83%–91%AUC最高可达0.94显著优于单决策树、逻辑回归等模型[4]。美国、印度等团队进一步结合SHAP、LIME等可解释框架从百万级样本中挖掘年龄、BMI、空腹血糖等核心风险因子部分模型已落地为临床辅助预测工具[5]。整体来看国外研究以大规模真实数据为基础聚焦集成学习与可解释AI推动糖尿病风险预测从实验室走向规模化公共卫生应用[6]。1.3.2 国内研究现状在大数据赋能医疗的背景下国内基于随机森林的糖尿病风险预测研究聚焦本土人群特征依托多中心临床大数据、体检电子病历及CHARLS等公共数据库构建适配中国人群的预测模型[7]。多项成果表明随机森林在处理高维医疗大数据时优势显著部分研究基于万级乃至十万级样本建模如基于46247例体检数据的模型AUC达0.838基于体检电子病历的模型AUC最高达0.942、敏感度95.1%另有研究结合重采样算法优化不平衡数据使模型AUC提升2.13%[8]。国内研究还融合生活方式、地域饮食等本土特征部分模型已应用于基层筛查同时探索与可解释框架结合挖掘核心风险因子整体呈现以大数据为支撑、贴合临床实际、向基层落地延伸的特点[9]。1.4 主要研究内容本研究围绕糖尿病风险预测展开核心涵盖五大模块首先开展糖尿病数据集的预处理工作与特征工程提升数据质量与有效性其次构建并优化决策树、随机森林及线性回归三种机器学习模型探究不同算法的预测性能随后设计多算法对比实验结合指标数据进行深度分析验证模型优劣基于Java语言的SpringBoot框架开发糖尿病风险预测系统实现前后端分离架构最后搭建系统可视化看板完成数据看板、预测效果等模块的设计与实现直观呈现分析及预测结果[10]。数据集截图