目的构建结直肠癌风险预测模型,早期发现结直肠癌高危人群,对高危人群实现精准筛查及精准行为干预。方法1.大数据研究:通过四川省结直肠癌患者病案首页大数据研究患病特征。2.文献研究:在中英文数据库中检索相关文献,采用Meta分析方法确定结直肠癌风险因素。3.问卷调查:参考大数据研究和Meta分析提示/确定的结直肠癌风险因素,自行编制结直肠癌风险因素评估问卷进行现场调查。4.病例对照研究:病例源于四川省5家医院,对照源于四川省肿瘤医院体检中心和两个社区体检/就诊人群。5.机器学习:以传统Logistic回归作为对照,采用多种数据挖掘方法（包括K近邻、决策树、支持向量机、神经网络等）构建风险预测模型。结果1.结直肠癌风险因素研究（1）患病特征2015～2019年四川省结直肠癌5年平均患病率为24.5/10万,5年患病率分别为 14.6/10 万、24.1/10 万、36.1/10 万、41.1/10 万、46.2/10 万呈逐年上升趋势;≥60岁年龄组、男性、汉族、农民、已婚结直肠癌患者占比最高。成都市5年患病率最高为39.4/10万,甘孜州最低为6.0/10万,5年中成都周边地区患病率逐年上升。（2）结直肠癌风险因素Meta分析≥60岁、男性、黑人、BMI≥25kg/m2、腰臀比≥0.85、腰高比≥0.5、结直肠癌家族史、糖尿病、高血压、牙齿数量0-16颗、吸烟、初潮年龄≥15岁、绝经前状态、怀孕、多次怀孕OR值大于1;大学及以上教育程度、较好经济状况、肠镜检查、他汀类药物、非甾体抗炎药、阿司匹林、地中海饮食和健康生活方式、激素替代疗法、生育、子宫切除OR值小于1。2.结直肠癌风险预测模型（1）总人群使用Logistic回归、K近邻、决策树、支持向量机、神经网络的风险模型AUC依次为 0.86、0.70、0.76、0.78、0.73;准确度依次为 0.78、0.70、0.76、0.78、0.73。（2）男性使用Logistic回归、K近邻、决策树、支持向量机、神经网络的风险模型AUC依次为 0.75、0.69、0.74、0.70、0.63;准确度依次为 0.73、0.71、0.79、0.73、0.64。（3）女性使用Logistic回归、K近邻、决策树、支持向量机、神经网络的风险模型AUC依次为 0.72、0.75、0.74、0.77、0.68;准确度依次为 0.56、0.80、0.72、0.78、0.70。结论①使用Logistic回归方法建立总人群结直肠癌风险预测模型效果最好,最终纳入个人年收入、高血脂、肠道息肉、非甾体抗炎药、重油脂食物、是否吃辣、牛奶、喝酒、运动的激烈程度、运动的持续时间、工作中的体力强度。②使用决策树方法建立男性结直肠癌风险预测模型效果最好,最终纳入工作中的体力强度、肠道息肉、运动的持续时间、个人年收入。③使用支持向量机方法建立女性结直肠癌风险预测模型效果最好,最终纳入婚姻状况、个人年收入、家族史、高血脂、肠道息肉、牙齿数量、降脂药、非甾体抗炎药、是否吃辣、食用油、红肉、牛奶、坚果类、叶酸、钙片、含糖饮料、运动锻炼、运动的激烈程度、运动的持续时间、工作中的体力强度、初怀年龄、怀孕次数、流产、流产次数、绝经类型。④综上,初步构建了分性别结直肠癌风险评估工具。