目的 基于不同算法对阻塞性睡眠呼吸暂停低通气综合征（OSAHS）患者进行建模，比较四种模型的受试者工作曲线下面积（AUC）、准确率、灵敏度与特异性，以建立自动筛选和诊断OSAHS的机器学习预测模型。方法 回顾性分析2019年10月～2022年10月于徐州医科大学附属医院行多导睡眠监测的277例患者，以人口学信息、病史、ESS作为预测变量，采用单因素分析筛选出具有明显差异的变量，然后分别建立轻量级梯度提升机（LightGBM）模型、逻辑回归（LR）模型、极限梯度提升（XGBoost）模型及支持向量机（SVM）模型，采用AUC评价模型性能。结果 LR预测的准确率为0.91，AUC为0.97；XGBoost的预测准确率为0.94，AUC为0.97；LightGBM的预测准确率为0.93，AUC为0.98；SVM的准确率为0.89，AUC为0.95。结论 LR、SVM、XGBoost、LightGBM对OSAHS预测效果均较好，LightGBM的效果最佳。