目的 基于随机森林算法构建甲状腺癌患者述情障碍的预测模型。方法 本研究以2023年6月至2024年12月期间于本院就诊的甲状腺癌患者为调查总体，采 用便利抽样法，共纳入234例有效样本进行问卷调查。依据述情障碍的评估结果，将入选患者划分为发生组与未发生组。在组间比较的基础上，深入剖析其影响因 素，并进一步构建随机森林预测模型。最后，运用受试者工作特征(ROC)曲线对该模型的预测效能进行评价。结果 发生述情障碍组患者142例(60.68%)。经单因素 分析筛选，两组患者在文化程度、肿瘤大小、TNM分期、领悟社会支持、心理弹性及创伤后成长方面差异均有统计学意义(均P<0.05)。多因素分析结果显示，以上 因素均为影响述情障碍发生的独立危险/保护因素(均P<0.05)。构建甲状腺癌患者发生述情障碍的随机森林模型，树的数量为100时出现的错误率最低。随机森林模 型ROC曲线验证，其曲线下面积(AUC)为0.879(P<0.05)，敏感度和特异度分别为0.769和0.844。结论 基于随机森林算法构建的预测模型区分能力较优，可作为临床 评估工具用于高危人群的早期甄别。据此对目标患者实施针对性心理或行为干预，有望改善其预后体验。