L'objectif est de créer un modèle de prédiction de l'efficacité de l'acupuncture pour l'insomnie et de construire un portrait des personnes adaptées à l'acupuncture, pour aider à améliorer l'efficacité clinique. Méthodes : Les données de 113 patients atteints d'insomnie ont été incluses dans l'analyse, avec l'utilisation de l'acupuncture par points (baihui, yintang, shenmai (des deux côtés), chaohai (des deux côtés)), chaque fois pendant 30 minutes, 3 fois par semaine, pour une durée totale de 2 semaines. La réduction du score de qualité du sommeil de Pittsburgh (PSQI) a été utilisée comme critère d'évaluation clinique global. Pour la sélection des caractéristiques, une régression logistique univariée et l'algorithme Boruta ont été utilisés, ainsi que la comparaison de la précision de prédiction entre trois algorithmes de renforcement, et l'optimisation des hyperparamètres de l'algorithme optimal par une recherche en grille et une validation croisée à 10 volets. De plus, une méthode de sélection stratifiée aléatoire a été utilisée pour choisir le meilleur mode de division du jeu de données, tandis qu'une analyse de SHAP a été utilisée pour expliquer visuellement le modèle. Les caractéristiques incluses dans le modèle comprenaient la proportion de N1 dans la durée totale du sommeil, la proportion de N2 dans la durée totale du sommeil, la période de latence de la phase R après l'extinction des lumières, la période de latence de la phase N2 après l'extinction des lumières, le réveil après l'endormissement, le score d'efficacité du sommeil PSQI et la langue ancienne. XGBoost s'est avéré être l'algorithme optimal, avec un seuil de probabilité optimal de 0,76, une précision correspondante de 0,91, un rappel de 0,91, un score F1 de 0,91, une précision de 0,91 et une aire sous la courbe (AUC) de 0,82. Les patients les mieux adaptés à l'acupuncture par points étaient ceux ayant une proportion de N1 dans la durée totale du sommeil d'environ 6 % à 70 %, avec une période de latence N2 après l'extinction des lumières inférieure à environ 40 minutes, un réveil après l'endormissement de moins d'environ 75 minutes ou d'environ 100 à 300 minutes, une période de latence de la phase R après l'extinction des lumières supérieure à environ 75 minutes, une proportion de N2 dans la durée totale du sommeil d'environ 20 % à 50 %, un score d'efficacité du sommeil PSQI de 2 ou 3, et une langue sans "langue ancienne". Conclusion : L'utilisation de XGBoost pour créer un modèle de prédiction de l'efficacité de l'acupuncture pour l'insomnie et la construction d'un portrait des personnes adaptées à l'acupuncture basé sur SHAP fournissent un outil de prise de décision auxiliaire fiable pour le traitement de l'insomnie par l'acupuncture.

insomnie; acupuncture; apprentissage automatique; modèle de prédiction; décision auxiliaire