目的：研究骨质疏松症（OP）患者的肾阳虚证辨识，形成中医临床辨证规则。方法：纳入982例OP患者的基本信息、病因病机、临床症状等特征信息，通过统计检验筛选数据中与肾阳虚证相关的变量。以决策树为基础模型，应用引导聚集算法（Bagging算法）建立OP肾阳虚证分类模型，生成大量规则并去除冗余；结合最小绝对值收敛和选择算子（LASSO）回归筛选关键规则并集成规则建立辨识模型，实现对OP患者肾阳虚证的辨识。结果：筛选出了18条关键辨识规则，其中11条规则的回归系数>0，对辨识为肾阳虚证具有正向影响，系数最高的规则为畏寒GW-572016配制（“有”）&手足心热（“无”）；7条规则的回归系数<0，对辨识为肾阳虚证具有负向影响，系数最bio depression score低的规则为舌红（“有”）&大便溏（“无”）&禀赋不足（“无”）。根据各关键规则的回归系数计算得到重要性>0.2的变量依次为畏寒、舌红、手足心热、肢冷、小便清、大便溏、禀赋不足、久病。辨识模型的偏依赖性分析结果显示，畏寒取值为“有”相较取值为“无”的OP患者，被辨识为肾阳虚证的概率高0.266 8，该变量对辨识为肾阳虚证具有最高影响。舌红取值为“有”相较取值为“无”的OP患者，被辨识为肾阳虚证的概率低0.141 9，该变量对辨识为非肾阳虚证具有最高影响。所建立的OP肾阳虚证辨识模型在测试集的正确率、灵敏度、特异度、受试者工作特征曲线（ROC曲线）下面积（AUC）分别为0.865 9、0.853 7、0.872 0、0.931 5。Dorsomorphin结论：基于Bagging结合LASSO回归的规则集成方法，构建了更加精确的OP肾阳虚证辨识模型，筛选出的关键规则能较好解释肾阳虚证辨识过程，可辅助OP肾阳虚证的中医临床辨证。