目的:本研究一方面拟探索高尿酸血症的中医体质分布特点和相关影响因素,为高尿酸血症的干预和预防提供临床依据;另一方面初步探讨机器学习在构建中医体质判别模型中的作用,为提高中医体质判别的精准度提供新思路。方法:本研究采用病例对照研究法,选取黑龙江中医药大学附属第一医院治未病中心的体检人员,并进行过中医体质辨识和填写健康风险因素评估表的患者作为研究对象。本研究共抽取体检资料（包括体质辨识问卷及健康风险因素评估表）1942例,剔除资料不全者158例,其中符合高尿酸组纳入标准者258例,符合非高尿酸组纳入标准者294例。选取中医体质、生化指标、身体指数、饮食习惯和既往史等内容,研究高尿酸血症常见偏颇体质类型及影响血尿酸水平升高的危险因素,并分析机器学习构建中医体质判别模型效果。结果:1.高尿酸组中医体质类型出现频率按从高到低依次为平和质（占37.98%）、气虚质（占25.19%）、阳虚质（占12.79%）、湿热质（占8.53%）、痰湿质（占7.36%）、阴虚质（占3.49%）、气郁质（占2.71%）、特禀质（占1.16%）、血瘀质（占0.78%）;在非高尿酸组中,中医体质类型出现频率从高到低依次为为平和质（占31.97%）、阳虚质（占28.91%）、气虚质（占16.67%）、湿热质（占6.46%）、气郁质（占5.44%）、血瘀质（占4.42%）、阴虚质（占2.38%）、痰湿质（占2.04%）、特禀质（占1.70%）;2.高尿酸组男性193例（占74.81%）,女性65例（占25.19%）,非高尿酸组男性26例（占8.84%）,女性268例（占91.16%）,两组性别具有显著差异;3.身体指数（体重、BMI、腹围、血压）、生化指标（尿酸、血糖、血脂）、既往高血压病史、吸烟史、饮酒史、心理压力、饮水量、肉类摄入量、主食摄入量和用餐时间在高尿酸组与非高尿酸组中均有显著差异;4.在机器学习中,基于个人史、不良生活习惯、生化指标、身体指数、饮食习惯的KNN算法构建中医体质判别模型对于中医体质的分类准确度分别为31.6%、32.1%、31%、28.9%、27.4%,随机森林、支持向量机、神经网络模型1和神经网络模型2对于中医体质的分类准确度分别为100%、47.64%、34%和35.8%。结论:1.本研究中,高尿酸血症患者男性多于女性,其中医体质分布以平和质、气虚质、阳虚质、痰湿质和湿热质为主,其中气虚质、湿热质、痰湿质是其常见偏颇体质类型。2.血压、血糖和血脂水平增高、超重、腹型肥胖、吸烟史、饮酒史、心理压力大、用餐时间不固定和主食、肉类摄入量偏多可能是影响血尿酸水平升高的危险因素。3.在机器学习中,随机森林算法对于构建中医体质判别模型准确率较高,该算法或可以提高中医体质判别的精准度。