目的は鍼治療を用いた不眠症治療の効果予測モデルを構築し、鍼治療の適切な人口像を構築して臨床的効果を向上させることです。方法 不眠症患者113例の関連データを解析し、鍼通督調衛組方［百会、印堂、申脈（両側）、照海（両側）］治療を行い、1回30分、週3回、合計2週間治療しました。ピッツバーグ睡眠品質指数（PSQI）の減点率を総合臨床効果評価指標としました。一変量ロジスティック回帰とBorutaアルゴリズムを組み合わせ、3種類のブースティングアルゴリズムの予測精度を比較して最適なアルゴリズムを選択しました。グリッドサーチと10分割交差検証を用いて最適なアルゴリズムをハイパーパラメータ調整し、層別ランダム分割法で最適なデータセット分割方法を選択しました。ユーデン指数を使用して最適なカットオフ値を見つけ、モデルを構築し、パフォーマンスを評価し、最終的にSHAP分析を用いてモデルを視覚化して解釈しました。モデルに含まれる特徴は、N1期の総睡眠時間の割合、N2期の総睡眠時間の割合、消灯後のREM期潜伏期、消灯後のN2期潜伏期、入眠後の覚醒時間、PSQI睡眠効率スコア、舌象が含まれています。XGBoostが最適なアルゴリズムであり、最適な確率閾値は0.76で、それに対応する精度は0.91で、再現率は0.91、F1スコアは0.91、正確度は0.91、曲線下面積（AUC）は0.82です。次の条件を満たす患者は鍼通督調衛組方により応答しやすい傾向があります：N1期の総睡眠時間の割合が約6％〜70％、消灯後のN2期潜伏期が約40分未満、入眠後の覚醒時間が約75分以下または約100〜300分、消灯後のREM期潜伏期が約75分以上、N2期の総睡眠時間の割合が約20％〜50％、PSQI睡眠効率スコアが2または3点、舌象が「老舌」でない。結論 不眠症治療の効果を予測するXGBoostモデルとSHAP分析によって構築された鍼治療の適切な人口像は、不眠症治療のための信頼性のある支援的意思決定ツールを提供します。

不眠症; 鍼治療; 機械学習; 予測モデル; 支援的意思決定