摘要目的 利用倾向性评分匹配(PSM)法和决策树算法探讨突发性耳聋转归不良的因素及预测方案.方法 收集2020年7月至2024年5月在郑州市第一人民医院治疗的363例突发性耳聋患者的病历资料,按照临床疗效将其分为转归不良组(n=137)和转归良好组(n=226).采用PSM法按照1∶1比例匹配两组性别、年龄、体质量指数(BMI)、吸烟史、饮酒史,并比较匹配完成后转归不良组和转归良好组的临床资料.采用多因素Logistic回归分析探讨突发性耳聋转归不良的因素,并采用决策树算法构建预测方案.结果 转归不良组和转归良好组经1∶1匹配完成后,共匹配成功128对患者,两组性别、年龄、BMI、吸烟史、饮酒史比较,差异无统计学意义(P>0.05).匹配后,转归不良组发病至治疗时间>14 d、重/极重度听力受损、全频下降型听力曲线、伴发眩晕及血浆黏度≥2 mPa·s人数占比及全血高切黏度和全血低切黏度水平均高于转归良好组(P<0.05).Logistic回归分析显示,发病至治疗时间>14 d、重/极重度听力受损、全频下降型听力曲线、伴发眩晕、血浆黏度≥2 mPa·s均为突发性耳聋转归不良的危险因素(P<0.05).利用决策树算法构建的预测方案共有4层,输出发病至治疗时间、听力受损程度、听力曲线类型、眩晕、血浆黏度共5个风险变量,11个节点(6个终端节点),其中听力受损程度是权重最高的风险变量.受试者操作特征曲线显示,决策树预测方案预测突发性耳聋转归不良的曲线下面积、灵敏度、特异度分别为0.816(95%CI:0.763～0.862)、84.37%、78.91%.结论 利用PSM法匹配后,发病至治疗时间、听力受损程度、听力曲线类型、眩晕、血浆黏度是突发性耳聋转归不良的影响因素,且由决策树算法构建的预测方案对转归不良的预测效能良好.