El objetivo es crear un modelo de predicción de la eficacia de la acupuntura para el insomnio y construir un retrato de las personas adecuadas para la acupuntura, para ayudar a mejorar la eficacia clínica. Métodos: Los datos de 113 pacientes con insomnio fueron incluidos en el análisis, con el uso de la acupuntura por puntos (baihui, yintang, shenmai (ambos lados), chaohai (ambos lados)), cada vez durante 30 minutos, 3 veces por semana, durante un total de 2 semanas. La reducción de la puntuación del índice de calidad del sueño de Pittsburgh (PSQI) fue utilizada como criterio de evaluación clínica global. Para la selección de características, se usó regresión logística univariante y el algoritmo Boruta, así como la comparación de la precisión de predicción entre tres algoritmos de mejora, y la optimización de los hiperparámetros del algoritmo óptimo a través de una búsqueda en cuadrícula y una validación cruzada de 10 pliegues. Además, se utilizó un método de división aleatoria estratificada para elegir el mejor modo de división del conjunto de datos, mientras que se utilizó un análisis de SHAP para explicar visualmente el modelo. Las características incluidas en el modelo incluyeron la proporción de N1 en la duración total del sueño, la proporción de N2 en la duración total del sueño, el período de latencia de la fase R después del apagado de las luces, el período de latencia de la fase N2 después del apagado de las luces, el despertar después de quedarse dormido, la puntuación de eficiencia del sueño PSQI y la lengua antigua. XGBoost resultó ser el algoritmo óptimo, con un umbral de probabilidad óptimo de 0,76, una precisión correspondiente de 0,91, una recuperación de 0,91, un puntaje F1 de 0,91, una precisión de 0,91 y un área bajo la curva (AUC) de 0,82. Los pacientes mejor adaptados a la acupuntura por puntos eran aquellos con una proporción de N1 en la duración total del sueño de aproximadamente 6 % a 70 %, con un período de latencia N2 después del apagado de las luces de alrededor de 40 minutos, un despertar después de quedarse dormido de menos de alrededor de 75 minutos o de alrededor de 100 a 300 minutos, un período de latencia de la fase R después del apagado de las luces de más de alrededor de 75 minutos, una proporción de N2 en la duración total del sueño de aproximadamente 20 % a 50 %, una puntuación de eficiencia del sueño PSQI de 2 o 3, y una lengua sin "lengua antigua". Conclusión: El uso de XGBoost para crear un modelo de predicción de la eficacia de la acupuntura para el insomnio y la construcción de un retrato de las personas adecuadas para la acupuntura basado en SHAP proporcionan una herramienta de toma de decisiones auxiliar confiable para el tratamiento del insomnio mediante acupuntura.

insomnio; acupuntura; aprendizaje automático; modelo de predicción; decisión auxiliar