摘要目的 基于机器学习方法构建儿童单侧腹股沟疝术后对侧腹股沟疝(MCIH)发生风险的预测模型,并对预测效能进行验证.方法 收集2021年1月至2023年4月南阳市中心医院252例行单侧腹股沟疝术的儿童临床资料,作为建模组,根据术后是否发生MCIH分为发生组(n=36)和非发生组(n=216),按照建模组与验证组7∶3的比例于2023年5月至2024年6月另选取患儿108例作为验证组.使用logistic回归、决策分类回归树(CART)、反向传播神经网络(BPNN)的机器学习算法构建儿童单侧腹股沟疝术后MCIH发生的预测模型,并采用受试者工作特征(ROC)曲线比较3种方法构建的模型对术后发生MCIH的预测价值.结果 单因素及多因素结果显示,年龄、性别、低体质量儿、早产儿、家族性腹股沟疝病史、疝囊位置、术后并发症是患儿术后发生MCIH的独立影响因素(均P＜0.05).构建的logistic回归、CART、BPNN模型的准确度分别为83.76%、72.61%、81.50%,灵敏度分别为88.90%、88.90%、83.30%,特异度分别为82.90%、69.90%、81.20%.ROC曲线分析显示,logistic回归、CART、BPNN模型的曲线下面积(AUC)分别为0.918、0.862、0.899(均P＜0.05).3种机器学习算法构建的模型AUC均＞0.800,预测准确性良好,其中logistic回归模型的AUC及准确度均高于CART和BPNN模型,其预测患儿单侧腹股沟疝术后发生MCIH的效能最优.结论 儿童单侧腹股沟疝术后发生MCIH的影响因素有年龄、性别、低体质量儿、家族性腹股沟疝病史等,基于机器学习算法构建的儿童单侧腹股沟疝术后发生MCIH的预测模型均具有较好的预测效能,其中以logistic回归模型预测效能最佳,具有较高的预测准确性.