目的:运用大数据及人工智能方法中的TreeNet算法即随机梯度提升算法,对四川省中医院带状疱疹(herpes zoster,HZ)患者住院期间的数据资料进行分析研究,构建带状疱疹后遗神经痛(postherpetic neuralgia,PHN)预测模型,以期发现PHN发生的相关因素及预防PHN的关键治疗手段,为临床预防PHN提供参考依据。方法:本研究收集2011年12月至2018年2月间四川省中医院皮肤科住院的1303名带状疱疹患者的资料,列出每名患者的基本情况(包括年龄、性别、发病时间、发病部位、合并疾病等)、检验指标(包括三大常规、生化检查、感染标志物等)、治疗情况(包括西医治疗、中药、非药物治疗如针灸、疱液抽取、激光疗法等)以及治疗终末情况(是否发生PHN,发生PHN则标注为1,未发生PHN则标注为0)。然后对所有数据进行清洗,并将清洗后的数据转化成为若干描述患者信息的变量,形成分析宽表。最后应用数据挖掘技术,以是否发生PHN为分类依据,采用TreeNet算法对宽表中的数据进行分析,构建PHN预测模型,最终得出影响PHN发生的关键因素及预防PHN的关键治疗手段。结果:通过TreeNet算法对宽表数据进行建模,最终得到预测性良好的PHN模型,通过模型得出了影响PHN发生的相关因素及治疗手段的变量重要性排名。且总结模型可以得出:模型的精度,检验样本的受试者工作特征曲线(receiver operator characteristic curve,ROC)达到了0.752,训练样本的ROC则达到了0.985。通过对本次模型平衡阀值下的混淆矩阵分析,此次模型的整体正确率能达到70.27%的预判准确性,说明该模型对PHN的发生具有一定的预测性。结论:通过TreeNet算法构建了一个PHN预测模型,且模型的预测性能良好,对PHN的发生具有一定的预测性。通过模型变量重要性排名可以得出住院天数、年龄、胆碱酯酶、平均红细胞血红蛋白浓度、钠、尿酸、总二氧化碳、柴胡等62个与PHN的发生及治疗有关的变量,且得出了每个变量与PHN发生的风险关系,为临床预防PHN提供了参考依据。