目的 采用3种机器学习算法构建老年慢性心力衰竭（CHF）患者可逆性认知衰弱（RCF）风险预测模型,比较3种机器学习算法的预测性能,为临床医护人员早期识别老年CHF的RCF发生提供筛查工具。 方法 于2024年6月—10月,便利选取衡阳市某三级甲等医院心内科就诊的300例老年CHF患者为研究对象,通过问卷调查和查阅病历收集资料。采用Logistic回归、CART决策树和随机森林3种机器学习算法构建老年CHF患者RCF风险预测模型,对3种算法的预测性能进行比较。 结果 老年CHF患者RCF的发生率为28%。年龄、每周体育锻炼频率和双向社会支持是3种机器学习模型共同的预测因子（P<0.05）。对3种机器学习算法的预测性能进行比较,随机森林模型的预测性能最佳,其AUC、准确率、精确率、召回率和F1分别为0.884、0.789、0.963、0.591和0.732。 结论 年龄、每周体育锻炼频率和双向社会支持是3种机器学习模型共同的预测因子。构建的风险预测模型中随机森林模型预测性能最佳,可用于老年CHF患者RCF的筛查。