目的：分析颈动脉粥样硬化（Carotid Atherosclerosis,CAS）人群的临床指标特征，筛选CAS的最佳预测指标，建立简便有效的CAS患病风险预测模型，为普通人群CAS的早期识别及拟定筛查指标提供依据。方法：回顾wrist biomechanics性分析2017年～2018年福建省人民医院健康体检中心的9405份体检数据，选取其中行颈部血管彩超等检查的870位体检者为研究对象，分为CAS组和非CSAGAS组，分析两组人群的一般临床资料和实验室检查资料。采用特异性、selleck化学灵敏度、F1值、曲线下面积、查准率-查全率曲线下面积作为评价指标，对比逻辑回归、随机森林和XGBoost算法预测模型评估CAS患病风险的优劣。结果：(1) XGBoost模型在测试集上的评价指标均最高。(2)对于识别CAS，临床特征中贡献度最大的是年龄，其次是收缩压、肌酐。结论：基于XGBoost模型识别CAS的患病风险效果最佳，该模型能较好的CAS患病风险并对普通人群进行CAS患病风险的初筛。