目的 建立一个机器学习模型能够准确预测急性呼吸窘迫综合征(acute respiratory distress syndrome, ARDS)患者死亡风险，选取合适的填充方式解决现有电子健康记录(electronic health record, EHR)中存在的稀疏性、不规则性问题，辅助医生进行临床决策。方法 从重症监护医学信息数据库(medical information mart for intensive care, MIMIC-Ⅲ)中筛选符合“柏林定义”的ARDS患者，并对患者入院24 h内的生命体征、实验室指标、诊断代码、影像学报告等数据进行回顾性分析，首先使用非负潜在因子分解填补缺失值，然后构建两阶段的堆叠异构集成学习方法，预测患者30 d内的死亡风险，采用受试者工作特征曲线下面积(area under the receiver operation characteristic curve, AUROC)、准确度、精确度、F1值等指标对模型进行评价，并进行特征重要性分析。结果 本研究共纳入2 576个患者，80%用于训练，20%用于模型测试。利用不同填充方式对数据进行处理...