高血压作为目前最为常见的一种慢性病,在中国乃至全球范围内都有较高的患病率,并且呈现逐年攀升的趋势。同时,高血压也呈现出随着年龄增加,患病率不断上升的特征。近年来随着我国老龄化程度进一步加深,老年人高血压患病率也呈上升态势,因此老年人高血压患病现状值得特别关注。随着学者们对高血压影响因素研究的不断深入,需要深入挖掘更为多元的老年人高血压影响因素。本文从四个维度的数据切入,包括人口统计学相关因素、慢性病患病因素、地区发展水平以及环境因素,深入探讨影响老年人高血压的影响因素,并据此为老年人高血压防控提出有针对性的对策与建议,从根源上进行把控,从而切实降低老年人高血压患病率。本文基于中国健康与养老追踪调查(CHARLS)2015年问卷,获取我国老年人的高血压患病资料;通过社会经济数据与应用中心获取2015年各地级市PM2.5日均浓度;通过国家统计局及其各地市统计局的2016年统计年鉴获取2015年人均国内生产总值和各省市城镇化率数据,将我国老年人高血压数据与PM2.5、人均国内生产总值以及城镇化率相关联,构成本文的变量体系。首先,采用描述性统计的方法初步探索我国老年人高血压的分布情况。其次,采用多元Logistic回归模型分析我国老年人高血压的影响因素。进一步地,针对多元Logistic回归所得的危险因素建立我国老年人高血压危险评估模型并对老年人进行危险程度分层。此外,使用数据挖掘方法建立决策树、Bagging、随机森林、Boosting、支持向量机等模型,对我国老年人高血压做出判别和预测。最后选取数据挖掘模型中预测效果最好的随机森林模型与传统的Logistic回归模型进行对比分析。本文的结论有:(1)多元Logistic回归模型结果显示人口统计学层次中高龄、男性、受教育水平低、婚姻状况为无配偶、户口类型为农业户口、BMI指数为超重或肥胖、WHt R为“苹果型身材”、睡眠时间较少、慢性病患病状况(患有慢性病)、地区发展水平层次(地区分布为东西部地区、城镇化率较高的地区)以及环境因素层次(PM2.5污染水平较高的地区)与老年人高血压患病密切相关。(2)我国老年人高血压危险评估模型结果对我国老年人高血压不同危险评分对研究对象的患病风险从低到高划分为三个等级:低危(危险评分在20分及以下)、中危(危险评分在30分及以下)和高危(危险评分在30分以上)。(3)利用决策树、Bagging、随机森林、Boosting和支持向量机模型对我国老年人高血压患病状况进行建模预测,通过比较发现,随机森林模型有较好的预测精度。(4)通过预测效果最好的随机森林模型与传统的Logistic回归模型对比分析发现,随机森林模型较Logistic回归模型在正确率、查全率以及F1分数方面较Logistic回归分别高出0.09%、4.34%、0.7402;从影响因素上看,随机森林模型的变量重要性结果包含大部分Logistic回归模型的变量。根据以上结论,建议从个体层面以及政府层面双管齐下控制老年人高血压的攀升。从个体层面加强老年人高血压患病危险因素的宣传教育并对患有高血压的老年人的生活习惯进行规范。从政府层面加快老年人健康建档的步伐,重点关注高血压高危评分的老年人,做好老年人高血压的预测,提前给予高危人群安全预警并因地制宜的部署老年人高血压防控队伍。