利用机器学习技术对食道闭锁术后出现的不良结局患儿进行预测，寻找导致术后出现不良结局患儿的危险因素，并制作计算工具进行风险分层，方便医务人员快速计算术后出现不良结局的具体风险概率并及时干预。

回顾性分析2009年1月至2021年12月在我院接受手术治疗的Ⅲ型先天性食道闭锁患者的临床资料共251例。临床资料包括患儿患儿人口学基线特征资料、手术资料和术后资料。采用支持向量机（SVM）、随机森林（RF）、逻辑回归模型（LR）、XGboost分类、高斯朴素贝叶斯（GNB）这五种机器学习算法来构建预测食道闭锁术后出现不良结局的预测模型。利用ROC的AUC评价效度，同时综合F1分数、准确率、灵敏度及特异度，Hosmer-Lemeshow检验Brier分数评价校准度及临床决策曲线（DCA曲线）对模型的校准度及稳定性进行评价。利用ROC曲线分别计算相应危险因素的截断值，最后制作计算工具，构建术后危重患儿风险分层系统，方便医务人员快速使用并早期识别危重患儿，尽早采取处理措施。

通过对候选风险因素进行单因素及多因素逻辑回归分析、重要度排序筛选出危险因素为术后乳酸、是否合并复杂先心、尿量、吻合口瘘。在五种机器学习算法中，逻辑回归模型（LR）在ROC曲线和DCA性能及校准曲线综合指标方面表现最佳，在逻辑回归模型中，训练集的AUC为0.828，准确度为0.772，F1分数为0.763，验证集的AUC为0.799，准确度为0.759，F1分数为0.773。提示该模型用于预测Ⅲ型先天性食道闭锁术后出现不良结局有较好的区分度及校准度。同时，利用ROC曲线，计算了危险因素的截断值，除此之外临床医务人员可以利用构建的计算工具，输入相应危险因素的结果，计算出某一个病人术后出现不良结局的具体概率值并迅速进行风险分层，尽早进行干预，并可对患儿术后出现不良结局急性动态评估，调整监护措施。

逻辑回归模型可较好的预测Ⅲ型先天性食道闭锁患儿术后出现不良结局的发生概率，借助计算工具可以迅速的计算出不良结局的概率，并迅速进行风险分层，尽早进行干预。