目的为解决医院感染病例"上报难"问题,初步建立神经网络模型在医院感染病例预警中的应用。方法通过神经网络与决策树分类器相结合,2017年3月1—31日通过对某三甲医院特定时间内抽取的4 911例感染病例的信息进行分析,得到一个由训练过后神经网络生成的规则算法,再由该方法对另一个时段内患者信息进行预测,并将预测结果与实际结果进行对比,以寻求一种针对医院感染信息系统最佳的数据分析核心算法。结果在模型的拟合程度上,classification tree模型优于neural network模型,同时2者大大优于logistics模型;在预测结果的精准度上,classification tree模型亦优于logistics模型;将coarsetree和neuralnet模型的结果进行交叉互补时,可明显减少假阴性病例数。结论神经网络与决策树分类器相结合对结果预测的精准性远远高于传统的logistic模型。