Objetivo: explorar os fatores de risco relacionados à redução da massa óssea em homens jovens e de meia-idade com base em um conjunto de dados de exames médicos, construir um modelo preditivo e avaliar sua eficácia. Método: foram selecionados 989 homens jovens e de meia-idade saudáveis que realizaram exames médicos no Hospital 961 do Departamento de Apoio Logístico entre maio de 2022 e maio de 2024 para um estudo retrospectivo de dados. O conjunto de dados foi dividido aleatoriamente na proporção de 7:3 em conjunto de treinamento (n=692) e conjunto de validação (n=297), considerando a ocorrência de redução da massa óssea como o desfecho principal do estudo. A regressão LASSO foi usada para selecionar fatores prognósticos independentes. Foram utilizados seis modelos de aprendizado de máquina, incluindo gradiente extremo, máquina de vetor de suporte, regressão logística multifatorial, algoritmo de k-vizinhos mais próximos, máquina leve de gradiente e floresta aleatória para prever a ocorrência de redução da massa óssea. O modelo ideal foi selecionado com base na área sob a curva ROC (AUC), sensibilidade, especificidade e escore de Brier. O limiar de alta probabilidade de risco foi determinado pelo princípio da maximização do índice de Youden. A calibração e o desempenho clínico do melhor modelo foram avaliados por meio de curvas de calibração e decisão clínica. Por fim, o método SHAP foi utilizado para interpretar os resultados do melhor modelo. Resultados: o estudo identificou oito fatores independentes que influenciam a redução da massa óssea em homens jovens e de meia-idade, a saber: tabagismo, colesterol HDL, triglicerídeos, contagem de glóbulos vermelhos, exercício regular, albumina sérica, hemoglobina e ácido úrico. Entre os seis modelos construídos com diferentes métodos, o modelo de floresta aleatória apresentou o melhor desempenho preditivo, com AUC no conjunto de validação de 0,706 (IC 95% 0,644~0,769), especificidade de 0,884, valor preditivo positivo de 0,704, valor preditivo negativo de 0,708, acurácia de 0,704 e melhor escore de Brier de 0,0301 (0,0283~0,0322). O índice máximo de Youden foi 0,384, correspondendo a sensibilidade de 0,579 e especificidade de 0,805. A curva de calibração do conjunto de validação apresentou o menor desvio na faixa probabilística de 0,20~0,65. A curva de decisão clínica do conjunto de validação mostrou benefício líquido positivo na faixa de limiar de risco 0,12~0,65, apoiando seu uso na tomada de decisão clínica. Conclusão: tabagismo, colesterol HDL, triglicerídeos, contagem de glóbulos vermelhos, exercício regular, albumina sérica, hemoglobina e ácido úrico são fatores independentes que influenciam a redução da massa óssea em homens jovens e de meia-idade. O modelo preditivo baseado nesses fatores apresenta boa eficácia e pode oferecer suporte à decisão clínica baseada em medicina baseada em evidências.

redução da massa óssea; aprendizado de máquina; método SHAP; suporte à decisão auxiliar