目的 分析突发性感音神经性聋(SSNHL)伴高血压患者发生不良预后的影响因素，基于4种机器学习算法构建预测模型，比较不同模型的预测效果。方法 选取2023年2月1日—2024年5月31日就诊于郑州大学第二附属医院耳鼻咽喉科SSNHL合并高血压的患者作为研究对象。通过医院电子病历系统收集患者临床资料，根据治疗后听力恢复情况分为有效组和无效组，采用单因素分析、最小绝对收缩和选择算子(LASSO回归)和Boruta算法筛选预测变量。采用逻辑回归(LR)、随机森林(RF)、极端梯度提升树(XGBoost)和支持向量机(SVM)4种机器学习算法构建预测模型并进行验证，Delong检验各模型在验证集中的曲线下面积(AUC),同时比较各模型在验证集中的评价指标以确定最佳模型，并使用Shapley加性解释(SHAP)算法对模型进行解释性分析。结果 232例患者纳入研究，共筛选出7个与无效预后密切相关的变量，包括听力损失程度、听力图类型、糖尿病、高血压病程等。对4种模型的预测性能进行验证，XGBoost模型整体预测性能最好，AUC(0.787)、准确度(78.56%)、精确度(78.95%)、召回率(71.43%)和F1分数(75%),且4种模型之间AUC的差异无统计学意义(P>0.05)。结论 合并高血压的SSNHL患者不良预后的发生风险受患者初始听力水平、听力图类型、糖尿病、高血压病程、吸烟及高尿酸血症等因素影响。4种机器学习模型均具有良好的预测性能，其中XGBoost模型预测性能最优。