# XSHAP-CDRIS

**Repository Path**: bcnlsn/xshap-cdris

## Basic Information

- **Project Name**: XSHAP-CDRIS
- **Description**: 基于 XGBoost 与 SHAP 的社区糖尿病风险分层与干预决策支持系统——面向基层慢性病早筛
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-14
- **Last Updated**: 2026-10-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于 XGBoost 与 SHAP 的社区糖尿病风险分层与干预决策支持系统

面向基层慢性病早筛的数据挖掘课程期末项目。

## 一、系统简介

基层社区慢性病早筛存在 **患病人群基数大、社区医生人手有限** 的痛点。本系统以机器学习为核心，为社区医生提供 **"风险分层 → 归因解释 → 干预建议"** 的完整决策支持闭环：

1. **数据获取与预处理**：Pima Indians Diabetes 公开数据集，缺失值/异常值处理、衍生特征、SMOTE 过采样、标准化、分层划分；
2. **算法建模**：逻辑回归（基线）、随机森林、XGBoost 三模型对比，XGBoost 网格搜索调参，以 AUC 选型；
3. **可解释分析**：SHAP 全局蜂群图 + 单样本 Waterfall 解释，明确"为什么判为高风险"；
4. **决策支持**：低/中/高三级风险分层（阈值可调），规则引擎结合 SHAP 归因生成个体化干预建议；
5. **Web 界面**：Streamlit 实现 7 个功能页面，含单条预测与批量打分导出。

## 二、环境要求

- Python ≥ 3.10（开发环境：Python 3.14，Windows 11）
- 依赖安装：

```bash
pip install -r requirements.txt
```

## 三、运行步骤

```bash
# 1. 数据获取与预处理（自动下载 Pima 数据集，生成清洗数据 + 预处理报告）
python preprocess.py

# 2. 模型训练与评估（三模型对比 + 网格搜索，生成评估图）
python train.py

# 3. SHAP 全局解释（生成蜂群图、特征贡献图）
python shap_analysis.py

# 4. 启动 Web 系统
streamlit run app.py
```

> 说明：只运行第 4 步也可以——系统会自动触发预处理与训练；但首次训练约需 1-3 分钟，建议先单独跑 1-3 步。

## 四、目录结构

```
├── app.py                  # Streamlit 系统界面（成员4）
├── preprocess.py           # 数据获取与预处理（成员2）
├── train.py                # 算法建模与评估（成员3）
├── shap_analysis.py        # SHAP 解释 + 干预建议规则引擎（成员3）
├── requirements.txt        # 依赖清单（成员5）
├── 数据说明.txt             # 数据来源与字段说明（成员2）
├── README.md               # 本文件（成员5）
├── data/                   # 原始数据、清洗数据、预处理报告
│   ├── pima_diabetes_raw.csv
│   ├── pima_diabetes_clean.csv
│   └── preprocess_report.txt
├── models/                 # 模型与中间产物
│   ├── scaler.pkl          # 标准化器
│   ├── best_model.pkl      # 最优模型（含模型名、特征列）
│   └── metrics.json        # 评估指标
├── outputs/figures/        # 评估与解释图（ROC、混淆矩阵、SHAP 图等）
└── docs/                   # 报告素材（截图、测试记录等，由成员5维护）
```

## 五、风险分层标准

| 层级 | 预测概率 | 干预措施 |
|------|---------|---------|
| 🟢 低风险 | < 0.3 | 常规健康管理，每年随访 1 次血糖 |
| 🟠 中风险 | 0.3 ~ 0.6 | 社区重点随访，每 3-6 个月复查血糖/OGTT，饮食运动处方 |
| 🔴 高风险 | ≥ 0.6 | 2 周内转诊上级医院内分泌科，强化干预，家庭医生重点随访 |

阈值可在系统"风险分层预测"页面调节。

## 六、数据来源

Pima Indians Diabetes Dataset（美国国立糖尿病、消化和肾脏疾病研究所，768 条样本）。
获取 URL：`https://raw.githubusercontent.com/npradaschnor/Pima-Indians-Diabetes-Dataset/master/diabetes.csv`
详细字段说明见 `数据说明.txt`。

## 七、免责声明

系统输出仅供社区筛查与随访参考，不构成临床诊断依据。