目的：随着人口老龄化趋势加剧，全髋关节置换术（THA）和全膝关节置换术（TKA）的需求显著上升。70岁以上老年患者围术期出血和输血风险较高，这增加了术后并发症及死亡率。准确预测输血风险对优化围术期血液管理至关重要。传统预测模型难以捕捉多因素间的复杂交互关系，而机器学习方法则可显著提升预测准确性。本研究旨在构建预测老年THA或TKA患者术后输血风险的模型，识别关键风险因素，并开发在线预测工具。

方法：本研究回顾性纳入了1520例老年患者，其中659例接受THA，861例接受TKA。采用最小绝对收缩与选择算子（LASSO）方法进行变量筛选。数据集按7:3比例随机分为训练集与测试集，建立并验证五种模型：逻辑回归（LR）、随机森林（RF）、支持向量机（SVM）、K近邻（KNN）与朴素贝叶斯（NB）。顺利获得十折交叉验证与网格搜索优化模型参数。采用AUC、准确率、精确率、敏感性、特异性与F1分数评估模型性能，并应用SHAP（SHapley Additive exPlanations）分析变量的重要性。最终基于模型开发了在线预测工具。

结果：最终纳入19个变量。RF、LR与SVM模型的AUC均超过0.90，表现优于其他模型。其中，RF模型表现最佳，其准确率为0.86，精确率为0.80，特异性为0.91，F1分数为0.78，敏感性为0.76。SHAP分析显示，术中出血量、高血压及术后引流量是最主要的预测因素。

结论：本研究构建的模型及在线工具有助于实现个体化术后输血风险评估，优化围手术期管理和血液资源配置，从而提升患者预后。

关键词：老年患者；全髋关节置换术；全膝关节置换术；输血；风险预测模型；在线预测工具