目的分别用LASSO回归、随机森林、多因素logistic回归方法建立围绝经及绝经期女性高尿酸血症（HUA）预测模型，并比较预测效果。方法采用多阶段、分层整群抽样方法，抽取云南省安宁市12 790名研究对象，采用LASSO回归、随机森林、多因素logistic回归等方法，构建HUA风险预测模型，通过准确率、灵敏度、特异度、F1分数和曲线下面积（AUC）评估模型效能。结果LASSO回归分析筛选出年龄、腰围、舒张压、BMI、HDL-C、空腹血糖（FBG）等19个变量进入模型，准确率为0.701，灵敏度为0.703，特异度为0.680，F1分数为0.806，AUC（95%CI）为0.770(0.748~0.792)；随机森林模型结果显示：肌酐、甘油三酯-葡萄糖指数（TyG）、TG、BMI、TC、尿素氮（Urea）、ALT等变量较为重要，模型准确率为0.663，灵敏度为0.653，特异度为0.738，F1分数为0.774，AUC（95%CI）为0.763（0.741~0.785）；多因素logistic回归结果显示，肌酐（Cr）、TyG、BMI、Urea、ALT等11个变量进入模型，准确率为0.705、灵敏度为0.707、特异度为0.686，F1分数为0.809，AUC（95%CI）为0.771（0.749~0.793）。结论LASSO回归和多因素logistic回归模型整体性能更好，随机森林模型的变量筛选能力强，特异度高，可作为补充提供更精确的预测。