目的分析肺移植（lung transplantation，LTx）后急性腎衰竭（acute renal failure，ARF）的危險因素并建立預測模型。方法本研究的數據來源于美國器官資源共享網絡（United Network for Organ Sharing，UNOS）數據庫，納入2015—2022年間接受單側或雙側肺移植的患者，分析了患者在術前和術后的多項臨床特征。研究方法結合了隨機森林算法和Lasso回歸，以篩選出與肺移植術后ARF發生相關的關鍵術前因素。隨機森林算法用于評估每個特征變量的重要性，而Lasso回歸進一步篩選對模型貢獻最大的變量。模型的預測性能在訓練集和驗證集中分別進行評估，并使用ROC曲線和AUC值等指標對模型的效果進行驗證和比較。結果納入15 110例LTx患者，其中男6 041例、女9 069例，中位年齡為64歲。結果表明，在術前肺部診斷、預計腎小球過濾率（eGFR）、機械通氣、是否在ICU接受移植前治療、體外膜肺氧合（ECMO）支持、術前兩周是否感染、KPS評分、供體年齡、等待名單時間、雙肺移植、缺血時間等因素上，兩組差異均具有統計學意義（P<0. 05）。模型評估結果顯示，所構建的預測模型在訓練集和驗證集中均具有較高的準確性，且AUC值表現良好，驗證了該模型的有效性和可靠性。結論探討了肺移植后ARF常見的危險因素，并開發了一個效能良好的預測模型，具有一定的臨床應用價值。