INTRODUÇÃO: Em crianças com Insuficiência Respiratória Aguda (IRA), o Diagnóstico de Enfermagem (DE) Desobstrução Ineficaz de Vias Aéreas (DIVA), é um dos mais frequentemente encontrados. Entretanto, este apresenta características definidoras (CD) comuns a outros diagnósticos, fato este que pode comprometer seu processo de inferência. Árvores de decisão (AD) são tecnologias facilitadoras do processo de raciocínio na tomada de decisão quanto ao diagnóstico a ser inferido, podendo aumentar a acurácia na inferência diagnóstica. OBJETIVO: Descrever as AD geradas pelos algorítimos de indução CHi-square Automatic Interaction Detec (CHAID), Classification and Regression Trees (CRT) e Quick, Unbiased, Efficient Statistical Tree (QUEST) para inferência do DE DIVA. METODOLOGIA: Estudo transversal, descritivo do tipo quantitativo, desenvolvido em dois hospitais públicos de Fortaleza-CE. Realizou-se avaliação respiratória em 249 crianças de até 5 anos com IRA. Estes dados foram usados para inferência diagnóstica e, posteriormente, para indução das árvores com base nos algoritmos CHAID, CRT e QUEST do software IBM SPSS versão 19.0. O projeto foi aprovado pelo Comitê de Ética em Pesquisa. Foi obedecida a resolução 196/96 do Conselho Nacional de Saúde. RESULTADOS: As três AD apresentam estrutura similar: cinco nós, sendo três nós terminais e dois níveis de profundidade. A primeira árvore foi construída pelo CHAID. Nesta árvore, a CD mais fortemente associada ao DE DIVA foi “tosse ineficaz”. Diante desta característica, a probabilidade de ocorrência do diagnóstico foi de 96,4%. Ao associar a CD “ruídos adventícios respiratórios”, obteve-se probabilidade de 100% de ocorrência de DIVA. Na AD gerada por CRT, indivíduos com “tosse ineficaz” tiveram probabilidade de 95,9% de apresentar DIVA. Quando associado a “ruídos adventícios”, a probabilidade foi 100%. Na terceira AD (QUEST), a probabilidade de ocorrência do diagnóstico relacionado à “tosse ineficaz” foi de 95,5%. Quando associadas as duas CD a probabilidade de ocorrência foi de 100%. CONCLUSÃO: A árvore que obteve melhor poder de predição global foi a desenvolvida pelo método CHAID. As presentes árvores podem ajudar no ensino dos diagnósticos de enfermagem respiratórios e no processo de inferência diagnóstica.