目的基于机器学习算法构建带状疱疹后神经痛（PHN）患者抑郁状态风险预测模型，为临床PHN患者抑郁状态发生的精准预测提供新的思路和方法。方法选取2022年6月至2023年6月在陆军军医大学第二附属医院住院的PHN患者作为研究对象，按8∶2比例随机划分为训练集和测试集，以是否发生抑郁状态为结局变量，分别基于K近邻（KNN）、决策树（DT）、逻辑回归（LR）、朴素贝叶斯（NB）、随机森林（RF）、支持向量机（SVM）6种机器学习算法构建PHN患者并发抑郁状态风险预测模型。基于受试者工作特征曲线下面积（AUC）、准确度、精确度、召回率、F1分数评估模型性能，选出最优模型。结果共纳入275例PHN患者，其中170例患者发生抑郁状态，抑郁状态发生率为61.82%。KNN、DT、LR、NB、RF、SVM模型的AUC分别为0.574、0.589、0.760、0.742、0.591、0.733，其中LR模型AUC值、准确度、精确度、召回率、F1分数最高。结论基于LR机器学习算法构建的PHN并发抑郁状态的风险预测模型性能最优，有助于临床早期评估和预防其抑郁状态的发生。