〔摘　要〕 目的 通过构建反向传播神经网络(BPNN)模型,筛选重症手足口病(HFMD)临床早期预警指标,探讨神经网络技术在临床中的应用价值。方法 收集河南省新乡医学院第一附属医院感染科及儿科2019年1月至2023年1月收治的HFMD患儿临床资料,使用SPSS Modeler18.0将数据分为70%的训练样本和30%的测试样本,并构建BPNN模型和Logistic模型,对比评估模型预测准确性及筛选效果。结果 共收集589例患儿临床资料进行分析,轻症组324例,重症组265例。BPNN模型和Logistic回归模型的测试集(n=178)预测正确率为82.02%、84.83%;ROC曲线下面积及95%CI分别为0.791 (0.749～0.834)和0.625(0.577～0.674)。BPNN模型输出的预测变量中,对分组影响最大的前5位因素为:最高体温、发热持续时间、谷氨酰转肽酶、天冬氨酸氨基转移酶和球蛋白。两模型输出预测变量重要性结果前十位中重合的有3个,分别为:最高体温、发热持续时间和肢体抖动。结论 BPNN模型和Logistic回归模型在筛选验证重症手足口病危险因素方面均表现良好,但BPNN模型的综合预测性能更好,BPNN模型筛选出的前五名重症HFMD影响因素为最高体温、发热持续时间、谷氨酰转肽酶、天冬氨酸氨基转移酶和球蛋白。