（1）通过检索国内各大数据库中2000年8月1日至2021年8月1日公开发表的关于AD危险因素研究的文献，严格按照Meta分析流程对纳入文献进行分析研究。分析结果显示，痴呆家族史的OR值为3.91（2.65~5.79），脑血管病史的OR值为2.13（1.54~2.96），高血压病史的OR值为2.68（1.98~3.64），糖尿病史的OR值为2.43（2.02~2.92），缺乏体育锻炼的OR值为2.83（2.55~3.14），社会活动少的OR值为1.64（1.32~2.05），吸烟的OR值为1.84（1.36~2.48），饮酒的OR值为1.70（1.21~2.38），饮食不规律的OR值为1.59（1.24~2.03），负性生活事件的OR值为2.40（1.91~3.02），头部创伤史的OR值为2.61（1.82~3.76），抑郁的OR值为2.97（1.87~4.73），年龄（≥70岁）的OR值为1.81（1.38~2.45），受教育程度低的OR值为1.54（1.14~2.07），以上14种因素均为AD发病的主要危险因素，其中痴呆家族史、抑郁、缺乏体育锻炼、高血压病史、头部创伤史、糖尿病史、负性生活事件、脑血管病史等因素属于高危因素。此外，通过敏感性分析、亚组分析以及发表偏倚评价，表明此次Meta分析结果稳健可靠。
（2）基于AD危险因素的分析，通过收集柳州市某医院2020年以来就诊的AD患者和部分非AD患者的电子病历数据，构建数据集，并利用Logistic回归和SVM建立AD发病风险预测模型。首先利用Spearman Rank相关系数对变量相关性进行分析，剔除部分相关性较弱的变量，最终将13个变量纳入模型的预测中。针对样本类别的不平衡问题，分别采用SMOT算法重采样和class_weight参数均衡样本。另外，利用网格搜索和10折交叉验证方法选出Logistic回归和SVM的最优参数，通过准确率、精确率、F1-score值、AUC值等评价指标对两种模型的预测效果进行对比，择优选择模型。基于以上条件下的分析结果显示，SVM建立的预测模型准确率达到82.35%，AUC值达到0.92，其他评价指标如精确率、召回率、F1-score值也均高于Logistic回归建立的预测模型。因此，基于SVM建立的AD发病风险预测模型的分类效果更好，可以为老年人群AD的早期预防提供一定的借鉴和参考。
参考文献（略）
