目的分析脊柱结核患者术后伤口愈合不良的危险因素，并基于机器学习算法构建预测模型和风险预测评分表，为早期防治术后伤口愈合不良提供参考依据。方法回顾性分析2017年1月至2024年2月贵州省某4所三甲医院420例脊柱结核患者的临床资料。通过单因素和多因素分析确定术后伤口愈合不良的危险因素，并构建logistic回归、随机森林和支持向量机风险预测模型。使用受试者工作特征（ROC）曲线、精确度、召回率、准确度及F1值评估模型预测效能，进一步构建术后伤口愈合不良风险预测评分表。结果在420例脊柱结核患者中，132例发生术后伤口愈合不良，发生率为31.43%。logistic回归分析显示，BMI≤18.5 kg/m 2、术前白蛋白≤30 g/L、联合手术、术中出血量＞1 000 mL、术后3 d内直接胆红素＞8 μmol/L、术后3 d内中性粒细胞计数≤75×10 9/L及3 d引流量＞500 mL是术后伤口愈合不良的危险因素（P＜0.05）。基于机器学习算法的3种预测模型的比较中，随机森林模型的预测效能最佳。基于多因素分析结果的偏回归系数所构建的风险预测评分表得分为0~11分，当风险预测评分表得分＞6分时，术后伤口愈合不良风险升高；该风险预测评分表的ROC曲线下面积（AUC）为0.846(95%CI:0.769~0.923)，表明风险预测评分表具有良好的预测效能。结论基于机器学习算法的随机森林模型和风险预测评分表对于评估脊柱结核患者术后伤口愈合不良具有一定预测价值，可帮助医护人员早期识别术后伤口愈合不良高风险患者。