不舒适的病房环境可能会影响病人身体恢复,造成病人身体机能下降。目前,我国对普通住院病房室内热环境及病人热舒适的研究相对较少。此外,影响住院病人热舒适的因素可能与经典评价室内热舒适的因素不完全相同,并且现有的预测模型无法准确预测病人热感觉。因此,有必要针对住院病人的热感觉情况开展研究,确定影响病人热感觉的重要因素,建立能够准确预测病人热感觉的模型。首先,通过现场问卷调查、环境参数测试和皮肤温度测量对重庆地区某三甲医院的普通病房病人进行调研,共获得有效问卷609份,其中冬季289份,夏季320份。根据调研结果发现,病人年龄普遍偏大,冬夏季大于60岁的病人分别占比52%和43%,且男性病人的比例显著高于女性。此外,病人的活动水平对其服装热阻有显著的影响,冬季静卧病人的平均服装热阻为2.93clo,约是坐立病人的3倍;夏季静卧病人的平均服装热阻为2.07clo,约是坐立病人的4倍。研究还发现前额和上臂皮肤温度以及平均皮肤温度对室内操作温度的变化比较敏感,可选取前额或上臂皮肤温度作为指标对病房热环境进行研究。其次,对主观问卷投票和环境温度参数进行线性拟合和概率单位回归分析Probit,得到病人的热中性温度和期望温度。在冬季,静卧和坐立病人热中性温度分别为21.6℃和16.6℃,热期望温度分别为22.4℃和23.3℃,病人在冬季期望更温暖的环境;在夏季,静卧病人和坐立病人热中性温度均为25.4℃,热期望温度均为25.3℃。但这并不意味着冬夏季活动水平对病人热感觉的影响不同,而是因为冬夏季病人的健康状况和热适应的行为不一样。利用相关性分析和路径分析,得到冬季热感觉影响因素的路径系数绝对值排序为:室内操作温度＞平均皮肤温度＞健康状况＞活动水平;夏季为:健康状况＞平均皮肤温度＞年龄＞服装热阻＞室内操作温度＞活动水平＞体重指数＞新陈代谢率。最后,基于本文调研的病人热感觉数据,对现有的病人热感觉预测模型的准确性进行检验,发现预测值与患者实际热感觉存在明显差异。因此,本文基于随机森林算法建立病人热感觉预测模型。通过本文调研数据、其他文献病人热感觉数据和ASHRAEⅡ数据库对该预测模型的准确性进行验证。结果表明,随机森林热感觉预测模型的各个指标均表现良好,预测精确率和召回率最低为78.5%和77.9%,最高可达91.9%和92.8%。与PMVe（Predicted Mean Vote）模型和其他的常用机器学习算法模型比较,证明了随机森林算法在预测病人热感觉方面具有更大的优势。因此,基于随机森林算法的预测模型能够准确预测病人热感觉。综上,本研究能为病人热舒适研究提供理论和实验方法参考,并为病房热环境设计提供一定的指导。