目的:肾综合征出血热（Hemorrhagic Fever with Renal Syndrome,HFRS）是一种由汉坦病毒引起的,以鼠类为主要传染源的自然疫源性疾病。利用贝叶斯网络研究葫芦岛市HFRS发病的影响因素并构建发病率预测模型,探讨该模型在预测分析HFRS发病情况的应用及其适用性,为传染病相关领域的研究提供方法学参考。研究方法:收集整理辽宁省葫芦岛市2008年1月-2018年10月HFRS监测点的发病、宿主、气象及经济相关数据,建立月别数据库。利用标准网络模型Asia网络生成不同样本量的仿真数据,分别采用fast-IAMB、禁忌搜索和MMHC三种算法构建贝叶斯网络,从反向边、丢失边、多余边、BIC评分等方面评价不同算法在构建Asia网络上的优劣。选择三种方法中的最优算法构建葫芦岛市HFRS发病率预测的贝叶斯网络结构图,采用最大似然估计进行贝叶斯网络参数学习,利用混淆矩阵验证贝叶斯网络模型的预测效果,最后运用Netica软件实现贝叶斯网络可视化的因果推理和诊断推理。结果:1、利用Asia网络随机生成了包含50、100、200、500、1000条样本量的仿真数据集用fast-IAMB、禁忌搜索和MMHC三种方法分别训练了贝叶斯网络。发现fast-IAMB算法对小样本数据构建的网络图是无向的,随着数据样本量的增加,三种算法发现正确的有向边的数量增多,fast-IAMB算法发现正确的边从0条增至4条,禁忌搜索算法发现正确的边从3条增至7条,MMHC算法发现正确的边从3条增至5条;对于不同样本量的数据集禁忌搜索算法构建的网络分数分别为-117.726、-228.182、-469.178、-1106.198、-2252.465,MMHC 算法构建的网络分数分别为-134.596、-248.954、-480.831、-1183.751、-2307.946,在样本量相同时,无论数量的多少,禁忌搜索算法比MMHC算法发现的边更多,BIC得分更高。2、考虑鼠密度因素的Spearman相关性分析结果表明:葫芦岛市HFRS发病率与鼠密度、当月的平均风速和日照时数、滞后1个月的平均最高气温、相对湿度和归一化植被指数、滞后2个月的平均气温、平均最低气温、平均气压和降水量在0.01水平上相关,相关系数分别为 0.568、0.716、0.336、-0.699、-0.670、-0.721、-0.756、-0.775、0.705、-0.677。不考虑鼠密度因素的Spearman相关性分析结果表明:葫芦岛市HFRS发病率与当月的平均风速、滞后1个月的相对湿度、滞后2个月的平均气温、平均最高气温、平均最低气温、归一化植被指数、滞后3个月的平均气压和降水量在0.01水平上相关,但与日照时数无关,相关系数分别为0.474、-0.502、-0.598、-0.523、-0.637、-0.570、0.562、-0.538。3、采用禁忌搜索算法构建的贝叶斯网络模型结果显示:当考虑宿主因素时,HFRS发病与鼠密度、降水量、平均最低气温和地区生产总值直接相关,与日照时数无关;当不考虑宿主因素时,HFRS发病与平均最低气温、相对湿度、平均风速和地区生产总值直接相关,与日照时数和降水量无关,其他因素之间不相互独立,从而间接影响HFRS的发病。4、利用混淆矩阵对HFRS发病率进行预测时,考虑宿主因素建立的贝叶斯网络模型的预测准确率为88.24%（30/34）,精确率为92.86%（13/14）,灵敏度为81.25%（13/16）,受试者工作特征曲线下面积为0.878（95%可信区间:0.766-0.991）;未考虑宿主因素建立的贝叶斯网络模型的预测准确率为92.31%（36/39）,精确率为88.89%（16/18）,灵敏度为94.12%（16/17）,受试者工作特征曲线下面积为0.925（95%可信区间:0.841-1.000）。结论:1、利用禁忌搜索算法构建的贝叶斯网络模型对葫芦岛市HFRS发病率预测的准确率、灵敏度、特异度均较高,结果可靠,该贝叶斯网络对辽宁省葫芦岛市HFRS的发病率预测具备可行性和适用性,可作为建立HFRS预警系统的重要科学依据。2、贝叶斯网络可以将HFRS与气象因素、宿主因素和经济因素之间错综复杂的关系以一种网络的形式直观地表达出来,从而简单、清楚地发现事物之间的内在联系,对HFRS发病的预测具有重要的应用价值,为HFRS的防控策略的完善提供参考依据。