摘要目的 探讨影响早产儿宫外生长迟缓(EUGR)的独立危险因素,并基于机器学习运用分类与回归树(CART)决策树算法构建早产儿EUGR风险预测模型.方法 选取 2021 年 1 月至 2023 年 12 月广州市花都区人民医院收治的 209 例早产儿的临床资料,进行回顾性分析.根据是否发生EUGR分为非EUGR组(181 例)和EUGR组(28 例).比较两组早产儿临床资料,采用多因素Logistic回归模型分析影响早产儿EUGR的独立危险因素,采用SPSS Modeler软件运用CART决策树算法构建早产儿EUGR风险预测模型,绘制受试者操作特征(ROC)曲线分析预测模型的诊断效能.结果 两组早产儿性别、出生时胎龄、出生时体质量、分娩方式、胎数、出生1 min后Apgar评分、出生时身长、孕期用药、受孕方式、妊娠高血压、妊娠糖尿病、妊娠甲状腺疾病、肠内营养开始时间、总住院时间、呼吸窘迫综合征(NRDS)、动脉导管未闭(hsPDA)、喂养不耐受、新生儿贫血比较,差异均无统计学意义(均P>0.05).EUGR组早产儿小于胎龄儿、累计禁食时间>3 d、进行有创机械通气、存在支气管肺发育不良(BPD)、发生败血症、发生坏死性小肠结肠炎(NEC)占比均高于非EUGR组(均P<0.05).多因素Logistic回归分析结果显示:小于胎龄儿、累计禁食时间>3 d、进行有创机械通气、存在BPD、发生败血症均为影响早产儿EUGR的独立危险因素(均P<0.05).ROC曲线分析结果显示:早产儿EUGR的CART决策树算法风险预测模型的曲线下面积(AUC)为0.834,高于Logistic回归风险预测模型的0.803,CART决策树算法风险预测模型的预测效能更优(Z值=4.864,P<0.05).结论 小于胎龄儿、累计禁食时间>3 d、进行有创机械通气、存在BPD、发生败血症均为影响早产儿EUGR的独立危险因素.早产儿EUGR的CART决策树算法风险预测模型具有较高的临床实用性,可详细分析某预测变量在不同亚群中的影响,为预测早产儿EUGR提供一定参考.