目的:构建并验证肺癌患者术中低体温风险预测模型,为临床医护人员识别术中低体温高危人群提供参考.方法:选取四川省某三级甲等肿瘤专科医院 2022 年 6月—11月的肺癌手术患者,按照7:3的比例随机分为训练集(770 例)和验证集(330 例).使用R语言中Logistic回归、XGBoost、随机森林、支持向量机 4 种机器学习算法构建预测模型,并对其性能进行比较,得到最优的肺癌患者术中低体温预测模型算法,并在验证集患者中进行模型验证.结果:术中低体温发生率为 53.2%.术中出血量、术中输液量、手术时间、麻醉时间、手术室温度、麻醉后核心体温、手术切除部位是肺癌患者术中低体温的影响因素.随机森林模型训练集和验证集的ROC曲线下面积均为 0.968,其性能优于其他 3 种预测模型.结论:基于随机森林算法的模型是最优的肺癌患者术中低体温预测模型,有利于临床筛选术中低体温高危人群,可为医护人员早期采取有针对性的预防措施提供借鉴.