目的 使用XGBoost算法建立阻塞性睡眠呼吸暂停（OSA）的机器学习预测模型。方法 纳入680例于首都医科大学附属北京同仁医院行整夜多道睡眠图监测患者，收集其性别、年龄、颈围以及体质量指数（body mass index，BMI）、夜间最低血氧饱和度、夜间平均血氧饱和度、3%氧减指数等信息，作为机器学习的输入特征，以XGBoost算法建立OSA的自动预测模型，并与其他几种常用的机器学习算法（如支持向量机、随机森林、决策树等）建立的模型结果进行对比。结果 在四分类（正常受试者，轻度、中度、重度OSA）中，XGBoost分类器在所有算法中表现最好，综合分类准确率为93.4%，F1值得分分别为94.7%、78.7%、86.7%、98.1%，ROC曲线下面积（AUC）分别为98.0%、85.0%、92.0%和98.0%。结论 基于XGBoost算法成功建立成人OSA预测模型，可用于临床OSA的诊断与筛查。