摘要：對我院2016年1月至2018年1月127例健康體檢醫護人員通過雙盲法進行慢性疲勞綜合征(chronic fatigue syndrome,CFS)相關問卷采集并收集體檢及心臟超聲數據,建立回歸模型,采用回歸模型或交叉驗證進行內部驗證,并根據機器學習XGBoost提供的診斷模型增益值評估心臟超聲指標在CFS診斷中的價值。結果顯示,127例醫務人員體檢數據進行機器學習預計算,獲得的人工智能模型受試者95%CI為0.881 6(0.864 1,0.912 7),工作特征曲線(AUC)為0.902 1;非-CFS與CFS病人敏感性(0.618 9、0.892 1)、準確性(0.892 1、0.618 9)、陽性預測值(0.924 2、0.835 6)、陰性預測值(0.835 6、0.924 2)、流行率(0.856 4、0.143 6)、檢測率(0.841 8、0.074 5)、檢測流行率(0.910 8、0.089 2)。提示基于心臟超聲等客觀體檢指標的快速診斷模型有助于在臨床診療及體檢過程中優化檢查項目、快速區分CFS人群,更好地進行健康指導及后續醫療干預。