目的 探讨急性胰腺炎（AP）合并器官功能衰竭（OF）的危险因素，基于机器学习构建其临床预测模型，并分析其影响因素。方法 此研究为横断面研究。基于急性胰腺炎（AP）的临床数据，建立并验证预测模型。本研究共纳入320例AP患者，根据是否合并器官功能衰竭将患者分为OF组和NOF组。通过进行单因素分析和逐步Logistic回归分析，筛选AP合并OF的影响因素，并确定纳入预测模型的变量。按照6:4的比例将患者数据分为训练集和测试集。基于5种算法（逻辑回归（LR）、随机森林（RF）、极端梯度提升树（XGBoost）、k邻近算法（KNN）和朴素贝叶斯（NB））分别建立预测器官功能衰竭风险的模型，并通过曲线下面积（AUC）比较5种算法的性能，筛选最优模型。随后，采用沙普利可加性特征解释（SHAP）分析法，对最优模型的结果进行直观解释。结果 共纳入320例AP患者。其中有14.4%（46/320）的患者并发器官功能衰竭。通过综合对比，随机森林（RF）模型为预测AP合并OF的最佳临床模型（训练集AUC=0.857，测试集AUC=0.821）。进一步采用SHAP分析法显示，RF模型中排名前六位的重要区分特征为：总蛋白（TP）、球蛋白（GLB）、钙（Ca）、白蛋白（ALB）、乳酸脱氢酶（LDH）和α-羟丁酸脱氢酶（HBDH）。结论 随机森林（RF）模型在评估AP合并OF风险方面具有较高的可靠性。总蛋白（TP）、球蛋白（GLB）、钙（Ca）、白蛋白（ALB）、乳酸脱氢酶（LDH）和α-羟丁酸脱氢酶（HBDH）是AP合并OF的关键影响因素。

童波,赵超.史晨媛,张以罡. 基于机器学习建立急性胰腺炎合并器官功能衰竭的临床预测模型[J]. 中华急诊医学杂志, 2025,34(12): 1774-1781.
DOI号:10.3760/cma.j.cn114656-20250303-00151

伦理审批号：南京医科大学第一附属医院伦理委员会（2024-SR-867）

关键词： 急性胰腺炎 器官功能衰竭 机器学习 预测模型