目的:本研究借鉴深度森林（Deep Forest）的思想,提出一种基于树的集成学习方法新思路,应用于中国健康与养老追踪调查数据库,筛选与消化系统疾病有关的变量,通过“人工地”建立多层随机森林模型,对人群进行分类,再分别建立模型筛选变量,以期用更优的模型解释与消化系统疾病相关的变量,为以后相关的研究提供分析策略和思路。方法:1.本研究使用2015年中国健康与养老追踪调查数据,调查对象为中国45岁及以上人群。我们将问卷中“是否有医生曾经告诉过您有以下这些慢性病?”中的“胃部疾病或其他消化系统疾病（不包括肿瘤或癌）”的问题回答为“是”的定为有消化系统疾病。2.对选入的样本采用欠采样方法对人群抽样得到平衡数据,构建500次随机森林模型,每次建立模型前都会随机选取训练集和测试集,按照预测结果与实际不一致的情况,得到预测错分率,然后选取不同的错分率作为分界值将样本分为两部分人群,计算评价指标寻找最佳分类节点,以最佳分类节点将人群分为两部分人群,分别定义为“T类人群”和“F类人群”。3.分别对两部分人群建立随机森林模型,并计算模型的评价指标,与对欠采样得到的数据建立的模型比较,选择最优的模型来筛选与消化系统疾病的影响因素模型。4.本研究使用python3.7软件中Random Forest Classifier和R3.6软件中glm软件包进行分析。结果:1.数据库中共21095人样本,4349个变量,相关10个单独文件合并后剩余13420人,4349个变量,经过清洗和整理,共得到12378例有效样本、389个变量,其中患有消化系统疾病的样本有3044例,未患有消化系统疾病的样本有9334例,两组样本不平衡,本研究采取了欠采样方法,从未患消化系统疾病的样本中抽取3267例,与全部患有消化系统疾病的3044例组成平衡数据。2.建立500次随机森林模型进行分类,选取错分率为5%,10%,15%……95%作为分界,将研究人群分为两类,再对两类人群分别建立随机森林模型后,综合考虑准确率、精确率、特异度、灵敏度、约登指数、F1,选取两个模型结果的各指标整体效果最好的错分率为最佳分类点,此时错分率为60%。错分率大于等于60%的一部分人群定义为“F类人群”,错分率小于60%的人群定义为“T类人群”。T类人群有4176人,其中患有消化系统疾病的样本有1739例,患病率41.6%;F类人群有2135人,其中患有消化系统疾病的样本有1305例,患病率61.1%。3.对T类人群和F类人群分别建立的两个随机森林模型,与人群分类前的数据也就是欠采样后得到的数据直接建立的随机森林模型相比,准确率由0.6432提高到0.9339（T类）和0.9082（F类）,精确率由0.6589提高到0.9665（T类）和0.8898（F类）,特异度由0.7284提高到0.9788（T类）和0.8134（F类）,灵敏度由0.5534提高到0.8701（T类）和0.9692（F类）,约登指数由0.2818提高到0.8489（T类）和0.7826（F类）,F1由0.6432提高到0.9158（T类）和0.9278（F类）,都有大幅度提升。4.两类人群分别构建随机森林模型后,根据变量重要性评分筛选出的对消化系统疾病相关的重要变量,然后建立logistic模型,结果显示,两部分人群的消化系统疾病的影响因素大部分一致,但作用相反,并且同一变量对T类人群的危害性越大,对F类人群的保护性越大,这些变量包括心理因素、身体疼痛指标、其他相关疾病。5.筛选出区分两类人群的因素有体质指数、自评健康满意度、是否患有肾脏疾病、是否头颈部疼、手臂沿着肩向上伸展是否有困难、过去一年是否有医生告知应该住院而没有住院的情况、过去一个月是否进行了自我治疗。结论:1.面对跨学科、多维度的数据时首先需要进行数据清洗整理,如考虑被研究对象可能包含不同类型的人群,或者疾病的致病因素复杂,可通过对人群细分,再分别进行分析。2.本研究提出的基于树的集成学习算法,通过叠加多层随机森林模型,可用于以上数据中进行人群分类,使模型更优。3.本文最终将人群分为两类,与消化系统疾病相关的因素有心理因素、身体疼痛、和其他疾病相关,但相同因素对不同类人群的疾病影响不同,对一类人群为危险因素,对另一类人群则为保护性因素。