高血糖危象事件（Hyperglycemic crisis episode,HCE）是糖尿病最严重的急性代谢并发症,常伴随着很高的长期死亡风险,预测HCE患者的死亡风险并分析风险因素是探索降低HCE患者死亡风险的有效方法。现有研究大多基于广义线性模型预测HCE的死亡率,尽管为HCE的诊治提供了一定的指导,但由于方法本身的限制,模型的预测能力尚无法满足临床需求。此外,传统的统计学方法仅能评估研究人群整体的风险因素,不能为患者提供个性化的风险因素分析。因此,如何更准确地预测HCE的死亡率并有效地分析相关风险因素对HCE患者的临床救治有重要意义。本文聚焦于HCE患者入院后3年内死亡风险预测和个性化风险因素分析问题,围绕预测模型构建、风险因素分析和预测系统原型开发等方面展开研究。研究纳入了重庆市4家医院的337例HCE住院患者,基于逻辑回归、支持向量机、随机森林、轻量级梯度提升机（Light Gradient Boosting Machine,Light GBM）和深度神经网络5种算法构建预测模型,根据评价指标选取最优预测模型,并利用Platt scaling算法对最优预测模型进行校准。随后利用沙普利加和解释（SHapley Additive ex Planations,SHAP）算法对校准后的模型进行解释,获取风险因素对HCE患者预测结果的影响和相对重要性,并将SHAP解释结果与风险因素的临床意义,以往研究证据和统计学检验结果进行比对,提出特定于HCE患者的个性化死亡风险因素分析方法。最后设计并开发嵌入上述预测模型和方法的预测系统。模型评价结果显示,Light GBM模型在5种预测模型中有着最好的表现。因此,本文对Light GBM模型的预测概率进行了校准,使其预测概率接近于真实概率。风险因素分析结果表明,SHAP解释结果与风险因素临床意义、统计学检验结果和以往研究证据均具有较高的一致性,证明了本文提出的个性化风险因素分析的合理性和有效性。此外,本文进一步设计并开发的HCE死亡风险预测及风险因素分析系统HCE-MRPS,使本文构建的Light GBM预测模型和提出的个性化风险因素分析方法更易应用和普及。本文构建的HCE死亡率预测模型,提出的个性化风险因素分析方法以及开发的预测系统有助于医生更全面地评估患者的病情,采取有针对性的干预措施,实现个体化治疗,以及为未来建立HCE严重程度分级标准奠定基础,从而提高HCE患者的长期生存率和降低治疗成本。