摘要目的 建立结直肠癌切除术患者术后肺炎(postoperative pneumonia,POP)发生风险的预测模型.方法 选取2018年9月1日至2021年9月1日北京世纪坛医院在全身麻醉下行结直肠癌切除术的患者317例,收集患者的相关信息.通过Boruta法筛选POP发生风险的的基本特征变量,利用重复交叉验证、超参数优化和合成少数类样本的过采样法(synthetic minority over-sampling technique,SMOTE)建立POP发生风险的预测模型,包括逻辑回归(logistic regression,LR)、邻近算法(k-nearest neighbor,KNN)、决策树(the classification and regression tree,CART)、随机森林(random forest,RF)4种预测模型,计算预测模型的混淆矩阵参数,分别使用ROC曲线的AUC、精度召回率曲线(precision recall curve,PRC)和临床决策曲线(decision curve analysis,DCA)评价预测模型区分能力、校准能力和净效益.结果 317例患者中男112例、女205例;年龄31～91岁,平均(64.8±10.8)岁;发生POP 28例(8.83%).Boruta筛选纳入的基本特征变量包括术前Hb、术前ALB、BMI、术前静脉血栓栓塞症(venous thromboembolism,VTE)评分、预后营养指数(prognostic nutritional index,PNI)、手术时长、麻醉时长和术中晶体液用量.RF预测模型的性能最好,其中ROC曲线的AUC为0.995(95%CI:0.991～0.999,P<0.05),最大约登指数为0.909,对应的cut-off值为0.910;PRC的AUC为0.996,预测POP的发生概率和实际观测概率一致性较高;DCA提示在风险阈值10%时,基于预测模型干预获得的净效益较全部干预或全部不干预更高,此时基于预测模型干预的净效益为0.975.结论 基于机器学习构建的结直肠癌切除术后POP发生风险预测模型效能较好,具有筛选POP发生高危人群的应用价值.