摘要目的 基于随机森林模型探究急诊患者长时间滞留的影响因素,并提出针对性措施以优化急诊流程.方法 选取2024年12月至2025年1月我院急诊科就诊的480例患者,按7∶3比例随机分为训练集(336例)与验证集(144例),并根据急诊滞留时间分为＞7 h组和≤7 h组,收集训练集患者临床资料,采用Logistic多因素回归分析方法、随机森林算法构建急诊患者长时间滞留的预测模型,绘制受试者工作特征(ROC)曲线、校准曲线、决策曲线分析分析评估两个预测模型的预测性能.另外选取我院2025年2月至5月86例急诊患者进行外部验证,采用ROC曲线、校准曲线、决策曲线分析评估两个预测模型的预测性能.结果 480例急诊患者中,滞留时间≤7 h患者占80.42％,＞7 h者占19.58％.年龄、涉及≥2个科室、00:00～07:59时段就诊、查尔森合并症指数(CCI)评分是急诊患者长时间滞留的危险因素,绿色通道就诊、急救入院是其保护因素(P＜0.05).Logistic 回归模型:logit(P)=2.176+0.156 ×年龄+1.607 × 涉及≥ 2 个科室+1.452 × 0:00～07:59时段就诊+1.636 × CCI评分-0.974 ×绿色通道就诊-1.008 ×急救入院.随机森林模型中各变量重要性排序为绿色通道就诊、就诊时间段、CCI评分、急救入院、涉及≥2个科室、年龄.内外部验证中,随机森林模型的曲线下面积(AUC)均高于Logistic回归模型,且校准曲线与理想对角线十分贴近,但随机森林模型的两条线贴合更为紧密,两种模型均具有明显的正向净收益,随机森林模型具有更高的临床效用.结论 年龄、涉及≥2个科室、就诊时段、CCI评分、绿色通道就诊、急救入院是急诊患者长时间滞留的影响因素,而随机森林算法能有效识别急诊长时间滞留的关键因素,为优化急诊运行和精细化管理提供重要依据.