熊猫体育可解释AI揭示撒哈拉以南非洲男性烟草使用预测因子全景图：基于机器学习的社会决定因素分析

　　本研究针对撒哈拉以南非洲（SSA）男性烟草使用率快速上升的公共卫生危机，利用20国147,466名男性的健康调查数据熊猫体育，结合XGBoost等6种机器学习算法和SHAP可解释性分析，首次构建高精度预测模型（准确率98%，AUC 0.97）。揭示年龄、教育熊猫体育、财富指数等10项核心社会决定因素，并发现互联网使用是新型保护因子。为制定靶向干预策略提供数据驱动依据，凸显机器学习在公共卫生政策中的转化价值。

　　撒哈拉以南非洲（SSA）正面临日益严峻的烟草流行威胁，该地区烟草消费增速居全球首位，预计到2040年将达流行水平。更严峻的是，全球80%的烟草使用者集中在低收入国家，而SSA地区薄弱的监管体系、低廉的烟草价格和有限的医疗资源进一步加剧了危机熊猫体育。烟草每年导致800万人死亡，造成1.5万亿美元经济损失熊猫体育，但针对SSA男性（吸烟率高达47%）的针对性研究仍显不足。传统统计方法难以捕捉多因素交互作用熊猫体育，而机器学习凭借处理高维数据和非线性关系的优势，为破解这一难题提供了新路径。

　　贡达尔大学（University of Gondar）公共卫生研究所的研究团队在《Scientific Reports》发表突破性研究，整合2018-2023年20个SSA国家的标准化人口健康调查（DHS）数据，首次采用可解释机器学习框架系统解析男性烟草使用的预测因子。研究团队通过分层整群抽样纳入147,466名15-64岁男性，利用STATA 17进行数据清洗，Python 3.9构建预测模型。关键技术包括：

　　该成果不仅为SSA地区应对烟草流行提供了数据驱动的决策工具，更开创了可解释人工智能在复杂社会健康问题中应用的新范式。正如作者Mequannent Sharew Melaku所述：SHAP框架使我们超越黑箱预测，真正理解驱动烟草使用的社会机制——这是设计有效干预的第一步。