Objetivo o diagnóstico da tuberculose pleural (TBpl) é um desafio devido à sua natureza paucibacilar e à necessidade de procedimentos invasivos. Este estudo visou identificar variáveis facilmente disponíveis, bem como construir um modelo preditivo para o diagnóstico da TBpl que possa permitir a utilização de uma estratégia alternativa precoce e acessível em unidades de cuidados básicos de saúde. Métodos um estudo transversal observacional comparou pacientes com TB e não TB seguidos em um hospital terciário brasileiro entre 2010 e 2018. Foi realizada uma análise de regressão logística incondicional que foi validado e aplicado em um modelo de classificação de árvore de decisão (CAD) em pacientes com diagnóstico empírico de TB. Foram calculados precisão (Prec), sensibilidade (Se), especificidade (Esp), assim como os valores preditivos positivos e negativos. Resultados de 1.135 pacientes com diagnóstico de TB, 160 foram considerados para análise (111 com TBpl confirmada e 49 com TBpl não confirmada. 58 pacientes não TB foram considerados como controles. Hiporexia [odds ratio ajustado (ORa) 27,39 (95% IC 6,26-119,89)] e características celulares/bioquímicas do líquido pleural (LP) (polimorfonuclear em duas categorias: 3%-14% ORa 26,22, 95% IC 7,11-96,68; e < 3% ORa 28,67, 95% IC 5,51-149,25; e proteína ≥ 5g/dL ORa 7,24, 95% IC 3,07-17,11) foram associadas a um risco mais elevado de tuberculose. O diagnóstico de CAD construído ao empregar essas variáveis mostrou valores de Prec = 87,6%, Se = 89,2%, Esp = 84,5% para o diagnóstico de TB e foi aplicado com sucesso em doentes com TB não confirmada. Conclusão o modelo CAD mostrou um excelente desempenho para o diagnóstico de TB e pode ser considerado como estratégia alternativa de diagnóstico, utilizando padrões clínicos em associação com características celulares/bioquímicas do LP, que são acessíveis e facilmente realizados em unidades de cuidados básicos de saúde.Objectives: Pleural tuberculosis (PlTB) diagnosis is a challenge due to its paucibacillary nature and to the need of invasive procedures. This study aimed to identify easily available variables and build a predictive model for PlTB diagnosis which may allow earlier and affordable alternative strategy to be used in basic health care units. Methods: An observational cross-sectional study compared PlTB and non-TB patients followed at a tertiary Brazilian hospital between 2010 and 2018. Unconditional logistic regression analysis was performed and a Decision Tree Classifier (DTC) model was validated and applied in additional PlTB patients with empiric diagnosis. The accuracy (Acc), sensitivity (Se), specificity (Sp), positive and negative predictive values were calculated. Results: From 1,135 TB patients, 160 were considered for analysis (111 confirmed PlTB and 49 unconfirmed PlTB). Indeed, 58 non-TB patients were enrolled as controls. Hyporexia [adjusted odds ratio (aOR) 27.39 (95% CI 6.26 - 119.89)] and cellular/biochemical characteristics on pleural fluid (PF) (polimorphonuclear in two categories: 3-14% aOR 26.22, 95% CI 7.11 - 96.68 and < 3% aOR 28.67, 95% CI 5.51 - 149.25; and protein ≥ 5g/dL aOR 7.24, 95% CI 3.07 - 17.11) were associated with higher risk for TB. The DTC constructed using these variables showed Acc=87.6%, Se=89.2%, Sp=84.5% for PlTB diagnosis and was successfully applied in unconfirmed PlTB patients. Conclusion: The DTC model showed an excellent performance for PlTB diagnosis and can be considered as an alternative diagnostic strategy by using clinical patterns in association with PF cellular/biochemical characteristics, which were affordable and easily performed in basic health care units.