目的:失血性休克严重程度的院前快速诊断,帮助医护人员及时对患者制定有效的救治措施,对提高失血性休克病人的救治成功率和预后康复具有重要意义.但目前用于检测院前失血性休克严重程度的方法存在一定局限性.为实现失血性休克严重程度的院前快速诊断,本文选取了适用于院前条件的多个生理指标,基于支持向量机(SVM)建立失血性休克严重程度预测模型,并探究该方法的可行性. 方法:以Wistar 大鼠失血性休克模型为研究对象,该模型包括1 组对照组(假手术组)和3 组不同休克程度实验组(失血量分别为总血量的25％、35％和45％),选取平均动脉血压、心率、休克指数和口腔黏膜二氧化碳分压四个生理指标为特征数据,基于SVM分类预测器对特征数据进行学习和训练,建立失血性休克严重程度多参数预测模型,验证该预测模型,计算预测准确率. 结果:实验结果显示,基于SVM失血性休克严重程度多参数预测模型的预测准确率达98％以上. 结论:基于SVM失血性休克严重程度多参数预测方法能够准确地识别失血性休克严重程度,说明了该预测方法的可行性.本研究以期为实现院前的失血性休克严重程度诊断提供理论基础和技术支撑.