目的描述心血管疾病患者术中压力性损伤的现状并分析危险因素;利用机器学习算法构建心血管疾病患者术中压力性损伤预测模型,比较各预测模型的准确率、交叉验证结果,选择最适合建模算法,为后续建立心血管疾病患者术中压力性损伤预测软件和预测系统奠定基础。方法（1）检索主要中外文数据库,获取心血管手术患者术中压力性损伤危险因素的相关研究,对文献筛选后,通过自行设计的表格提取数据,采用NOS量表对纳入的文献进行质量评价,运用Stata 16.0进行发生率和危险因素的Meta分析。（2）在Meta分析的基础上计算样本量;结合理论知识和临床实际,制定一般资料调查表、心血管疾病患者术前、术中压力性损伤调查表,2020年6月-2021年1月在兰州市两家三级甲等综合医院收集数据,通过SPSS 25.0进行单因素分析和Logistic回归分析得出危险因素。（3）将得出的13项危险因素,通过Python 3.5编程语言处理数据并通过语言内的Scikit-learn、Pandas、Numpy等工具包处理数据后,构建决策树模型、随机森林模型、朴素贝叶斯模型,并通过准确率、交叉验证等方法比较各模型的预测效果,得出适合成人心血管疾病患者术中压力性损伤预测模型的算法,最后借助matplotlib工具包对个别模型进行可视化。结果（1）Meta分析结果显示,心血管疾病患者术中压力性损伤发生率为20.8%,初步获得18项危险因素,其中合并得出的危险因素为手术时间、患有糖尿病,其他未被合并的危险因素有:BMI、是否吸烟、心血管疾病类型、年龄、性别、血清白蛋白值、术中是否使用血管活性药物、术中最低平均动脉血压、术前血纳值、体外循环时间、术前血钾值、术前动脉血氧分压、血细胞计数、术中最低体温、是否患有高血压、是否是急诊手术。（2）心血管疾病患者术中压力性损伤现状及基于机器学习算法的预测模型构建研究,共纳入样本418例。其中男性235例（56.2%）,女性183例（43.8%）;年龄49±12.805（18～98）;心瓣膜病（VHD）165例（39.5%）,先心病（CHD）128例（30.6%）,大血管疾病（MD）109例（26.1%）,冠心病（CAD）16例（3.8%）。现状研究得出成人心血管疾病患者术中压力性损伤的发生率为19.9%,分析得出13项危险因素为吸烟史、国际标准化比值、术前空腹血糖水平、体外循环前肛温、肌酸激酶、心肌阻断总时间、糖尿病史、体外循环总时间、凝血酶原时间、术中最低肛温、手术总时间、体外循环最低收缩压、体外循环最低有创平均压。随机森林模型预测准确率为90.91%,决策树模型预测准确率为89.0%,朴素贝叶斯模型预测准确率为88.52%。通过交叉验证得出结果,随机森林的预测效果最好。结论心血管疾病患者术中压力性损伤的发生率较高。基于机器学习的心血管疾病患者术中压力性损伤预测模型中,相比于决策树模型和贝叶斯模型,随机森林模型最适合构建心血管疾病患者术中压力性损伤预测模型。