摘要目的 了解桂林市医务人员数字素养现状,比较二分类logistic回归模型与决策树模型在医务人员数字素养影响因素分析中的价值.方法 于2023年9-12月采用分层抽样的方法,在广西壮族自治区桂林市的医院、疾病预防控制中心和社区卫生服务中心等医疗机构抽取在职医务人员作为调查对象,包括医师、医技、医药和护士 4个岗位.通过在线平台发放《医务人员数字素养及影响因素调查问卷》,收集基本信息,并对医务人员数字素养水平进行评分,得分＞60分为数字素养良好,≤60分为数字素养不良.用二分类logistic回归模型RL向前筛选法、决策树模型分类x2自动交互检测法(CHAID)分析医务人员数字素养的影响因素.绘制受试者工作特征(ROC)曲线,并计算曲线下面积(AUC),评估2种模型的价值.结果 共发放858份问卷,回收有效问卷677份.医务人员数字素养不良243名,良好434名.二分类logistic回归模型分析结果显示,数字素养不良概率女性高于男性(OR=1.542,95％CI:1.034～2.298,P＜0.05),等级较低医院医务人员高于三级甲等医院医务人员(OR值分别为6.178、8.278,95％CI分别为3.478～10.973、4.136～16.569,P＜0.05),没有学习过数字素养的医务人员高于学习过数字素养的医务人员(OR=8.352,95％CI:4.911～14.205,P＜0.05).决策树模型分析结果显示,学习数字素养方式和工作医院等级是医务人员数字素养不良的影响因素(x2值分别为101.992、10.853,P分别为＜0.001、0.002),学习数字素养方式是医务人员数字素养不良的主要影响因素.二分类logistic回归模型ROC曲线下面积稍大于决策树模型(AUC分别为0.782、0.758,Z=2.767,P＜0.001).结论 二分类logistic回归模型对医务人员数字素养影响因素的分析优于决策树模型,但决策树模型可以分析影响因素间的层次关系和相互作用,两种模型可结合应用.