【摘要】 背景 围绝经期是指女性卵巢内存活卵泡耗竭而导致月经永久停止的正常生理变化阶段，包括绝经过渡期和绝经后的1年。围绝经期女性的卵巢功能下降，雌激素水平降低导致各个器官功能的变化，甚至引发心血管疾病。主要不良心血管事件（MACE）是包括心力衰竭、心肌梗死及其他心血管疾病在内的临床事件的组合。目的 本研究探讨影响围绝经期女性MACE发生的因素，并利用三种算法建立MACE风险因素的预测模型，比较其预测性能。方法 选取滨州医学院附属医院411名被诊断MACE的围绝经期女性，随机分为训练集和测试集，比例为7:3。在训练集中，采用随机森林（RF）算法、反向传播神经网络（BPNN）和逻辑回归（LR）构建了围绝经期女性的MACE风险预测模型，并使用测试集对模型进行验证。模型的预测性能通过准确性、灵敏度、特异性和受试者工作特征曲线下面积（AUC）进行评估。结果 共纳入二十六个候选变量。随机森林模型、反向传播神经网络模型和逻辑回归模型的ROC曲线下面积分别为0.948、0.921和0.866。逻辑回归与随机森林模型在预测主要不良心血管事件风险的ROC曲线AUC比较中显示出统计学显著差异（Z=2.278，P=0.023）。 结论  RF模型预测围绝经期女性MACEs风险具有较好的预测性能，为早期识别高风险患者并制定针对性干预策略提供参考。

【关键词】主要不良心血管事件；机器学习；围绝经期；风险因素