目的 构建ICU护士睡眠障碍风险预测模型，并验证其预测效能。方法 采用便利抽样法，选择2023年4—5月四川省16家三级甲等综合医院361名ICU护士为建模集，根据匹兹堡睡眠质量指数分为睡眠障碍组（n=209）及无睡眠障碍组（n=152），应用二元logistic回归和决策树分类算法建立预测模型。通过AUC值、F1值、临床决策分析法对2个模型的预测性能进行比较，内部验证采用Bootstrap重抽1 000次的方法。选择2023年6—7月重庆市、广西等8家三级甲等综合医院105名ICU护士为验证集，对模型进行外部验证。结果 二元logistic回归和决策树的建模AUC值分别0.790和0.742，内部验证AUC值为0.739和0.696，外部验证AUC值为0.769和0.857,2个模型AUC值相比，差异无统计学意义（D=1.367,P)0.05）；决策树训练集及验证集F1值分别是0.780和0.931，均高于二元logistic回归训练集和验证集的0.758和0.743;2个模型均具有较好的临床净获益。结论 2个模型均具有预测价值，决策树与二元logistic回归相比预测性能更优，并提供可视化方法，有助于ICU护士参考本研究中的睡眠障碍风险预测模型进行自我对照，为其选择适当的睡眠障碍缓解方式提供参考和依据。