目的 筛选老年严重创伤患者继发脓毒症的独立危险因素，构建基于机器学习的风险预测模型，为临床早期预警和干预提供依据。

方法 回顾性收集2017年1月至2026年1月期间苏州大学附属第二医院创伤中心收治的433例严重创伤患者临床资料，按是否继发脓毒症分为脓毒症组（n=262）和非脓毒症组（n=171），运用单因素及多因素Logistic回归模型，筛选老年严重创伤患者继发脓毒症的独立危险因素。采用Python软件进行后续的机器学习算法筛选、模型构建及性能验证，使用SHAP进行特征分析。

结果 多因素Logistic回归分析显示，年龄、饮酒史、高处坠落伤、多发伤、ISS评分、白细胞计数（WBC）、血小板计数（PLT）、天门冬氨酸氨基转移酶（AST）、纤维蛋白原（FIB）、D-二聚体（D-Dimer）及乳酸（Lac）共11项指标是老年严重创伤患者继发脓毒症的独立影响因素。在多种机器学习算法中，随机森林模型（RF）表现出最佳的预测效能（其训练集、验证集和测试集的AUC值均优于其他模型）。SHAP分析结果表明，ISS评分和乳酸（Lac）在特征重要性排序中居前两位，对模型预测贡献度最大。

结论 本研究初步构建的随机森林模型在预测老年严重创伤患者继发脓毒症风险方面展现出较好的效能。其中ISS评分和乳酸水平对模型预测的贡献较为显著，可作为临床预警的重要参考指标。结合SHAP可解释性分析方法，该模型有望为临床医生提供个体化的风险评估参考，辅助识别高危群体并优化早期干预策略。

芮啸,朱建军. 基于机器学习的老年严重创伤患者继发脓毒症风险预测模型构建[J]. 中华急诊医学杂志, 2026,35(10): 1440-1453.
DOI号:10.4099/cma.j.cn114656-20260421-00340