目的 构建首发脑出血患者并发卒中相关性肺炎的风险预测模型并验证模型的预测性能。方法 回顾性分析2012年1月—2022年12月广州市第一人民医院治的419例首发脑出血患者的临床资料，按照7︰3比例随机化分为训练列（293例）和验证队列（126例）。统计基于开发队列数据，采用Logistic回归模型分析首发脑出血患者并发卒中相关性肺炎的影响因素，并构建风险预测模型。基于开发队列和验证队列数据，采用校准曲线、受试者操作特征（ROC）曲线下面积和决策曲线分析模型的预测性能。结果 419例首发脑出血患者中有113例发生卒中相关性肺炎，发生率为26.97%。美国国立卫生研究院卒中量表（NIHSS）评分、吞咽困难、初始血肿体积、中性粒细胞百分比与白蛋白比值（NPAR）、中性粒细胞计数与淋巴细胞计数比值（NLR）、手术治疗、气管插管、留置胃管均是首发脑出血患者并发卒中相关性肺炎的影响因素（P＜0.05）。基于上述影响因素构建了首发脑出血患者并发卒中相关性肺炎的风险预警模型，校准曲线显示模型在开发队列和验证队列中预测卒中相关性肺炎发生率均与实际发生率相近；ROC曲线显示此模型在开发队列、验证队列中预测的曲线下面积分别为0.906（95%CI：0.867~0.937）、0.884（95%CI：0.815~0.934）；决策曲线分析显示当开发队列阈概率在3%~80%内、验证队列阈概率在2%~76%内使用此模型干预比全/无干预更有临床价值。结论 基于NIHSS评分、吞咽困难、初始血肿体积、NPAR、NLR、手术治疗、气管插管、留置胃管构建的首发脑出血患者并发卒中相关性肺炎的风险预测模型具有良好预测性能和临床应用价值。

      Objective To construct a risk prediction model for stroke associated pneumonia in patients with initial cerebral hemorrhage（ICH）and validate the predictive performance of the model．Methods A retrospective analysis was conducted on the clinical data of 419 patients with ICH admitted to our hospital from January 2012 to December 2022．They were randomly divided into a development cohort（293 cases）and a validation cohort（126 cases）according to a 7∶3 ratio．The Logistic regression model was used to analyze the influencing factors of stroke related pneumonia in patients with ICH based on the development cohort data，and a risk prediction model was constructed．Based on the development cohort data and validation cohort data，the predictive performance of the model was analyzed using calibration curves，receiver operating characteristic（ROC）curve，and decision curve analysis．Results Among 419 patients，113 developed stroke associated pneumonia，with a rate of 26.97%．The National Institutes of Health Stroke Scale（NIHSS）score，swallowing difficulties，initial hematoma volume，neutrophil percentage to albumin ratio（NPAR），neutrophil count to lymphocyte count ratio（NLR），surgical treatment，endotracheal intubation，and indwelling gastric tube were all independent influencing factors for stroke associated pneumonia in patients with ICH（P＜0.05）．Based on the above influencing factors，a risk prediction model for stroke associated pneumonia in patients with ICH was constructed．The calibration curve showed that the predicted incidence of stroke associated pneumonia by the model in both the development and validation cohorts was close to the actual incidence．The ROC curve showed that the predicted area under the curve for this model in the development cohort and validation cohort was 0.906（95%CI：0.867-0.937）and 0.884（95%CI：0.815-0.934），respectively．The decision curve analysis showed that when the threshold probability of the development cohort was between 3%-80%，and the threshold probability of the validation cohort was between 2%-76%，the intervention using this model was more clinically valuable than all/no intervention．

Conclusions The risk prediction model for stroke associated pneumonia in patients with ICH based on NIHSS score，swallowing difficulties，initial hematoma volume，NPAR，NLR，surgical treatment，tracheal intubation，and indwelling gastric tube has good predictive performance and clinical application value．

目的 探讨冠心病（CHD）患者经皮冠状动脉介入（PCI）术后冠脉微循环损伤（CMI）发生的影响因素及构建的Logistic风险预测模型对CMI发生的预测效能，以指导临床制定针对性的干预措施。方法 选取2023年4月至2025年4月于本院接受PCI治疗的143例CHD患者为研究对象，依据PCI术后1 d是否发生CMI，将其分为发生CMI组（86例）和未发生CMI组（57例）。比较两组临床资料；分析CHD患者PCI术后发生CMI的影响因素，构建Logistic风险预测模型，分析其对PCI术后CMI发生的预测效能。结果 发生CMI组心肌梗死病史、糖尿病史、吸烟史、NYHA心功能分级为Ⅲ级、多支冠脉病变、伴有冠脉中重度钙化、症状出现至PCI时间＞6 h占比及冠脉狭窄率、预扩张次数、预扩张时间高于未发生CMI组，最大扩张压力、术后即刻TIMI血流分级为3级占比低于未发生CMI组，PCI术前血清ANGPTL3、EMMPRIN水平及hs-CRP/PA高于未发生CMI组（P＜0.05）；Logistic多因素分析结果显示，糖尿病史、冠脉狭窄率、预扩张次数、NYHA心功能分级、冠脉中重度钙化、症状出现至PCI时间及ANGPTL3、EMMPRIN、hs-CRP/PA为CHD患者PCI术后发生CMI的独立危险因素，最大扩张压力为其独立保护因素（P＜0.05）；构建的Logistic风险预测模型预测PCI术后CMI发生风险的AUC值为0.901（95%CI：0.840～0.945），敏感度、特异度分别为82.56%、80.70%，且该模型与观测值拟合度良好，具有良好的区分度、校准度和临床适用性。结论 依据CHD患者PCI术后发生CMI的影响因素构建的Logistic风险预测模型对CMI发生具有较高的预测效能，可指导临床制定针对性干预措施，以减少PCI术后CMI发生，改善CHD患者预后。

目的 探讨慢性阻塞性肺疾病急性加重期（AECOPD）合并呼吸衰竭机械通气患者发生撤机相关性肺水肿（WIPE）的影响因素，以指导临床早期制定个体化干预方案。方法 前瞻性选取2022年5月～2025年5月于本院接受机械通气治疗的AECOPD合并呼吸衰竭患者209例为研究对象，依据自主呼吸试验（SBT）开始后1 h内是否发生WIPE将其分为发生组73例、未发生组136例。统计两组临床资料，通过单因素、多因素Logistic回归分析确定WIPE发生的影响因素，基于回归分析构建预测模型，并验证模型的预测效能。结果 发生组年龄、入院时急性生理与慢性健康评分系统Ⅱ（APACHEⅡ）评分、浅快呼吸指数、入院时肺部超声评分、糖尿病占比、机械通气治疗24 h后动脉血二氧化碳分压（PaCO2）≥80 mmHg占比、机械通气时间≥7 d占比、吸烟史占比、合并多器官功能障碍综合征（MODS）占比、合并左心室舒张功能障碍占比高于未发生组，撤机前6 h血清高迁移率蛋白B1（HMGB1）、C反应蛋白（CRP）、乳酸（Lac）/白蛋白（Alb）高于未发生组（P＜0.05）；入院时APACHEⅡ评分、糖尿病、机械通气治疗24 h后PaCO2、机械通气时间、吸烟史、合并MODS、入院时肺部超声评分及HMGB1、Lac/Alb、CRP为WIPE发生的独立危险因素（P＜0.05）；预测模型预测WIPE发生风险的AUC值为0.880，敏感度、特异度分别为86.30%、72.79%，Hosmer-Lemeshow检验显示该模型与观测值拟合度良好，DCA曲线显示风险阈值在0.05～0.91时该模型具有良好的临床净获益。结论 入院时APACHEⅡ评分、糖尿病、机械通气治疗24 h后PaCO2、机械通气时间、吸烟史、合并MODS、入院时肺部超声评分及HMGB1、Lac/Alb、CRP为AECOPD合并呼吸衰竭机械通气患者发生WIPE的独立危险因素，基于以上危险因素构建的预测模型预测效能良好，临床应制定针对性干预方案，以降低WIPE发生风险。

目的 探讨老年髋部骨折术后患者跌倒恐惧的影响因素，构建个体化风险预测列线图模型并进行临床效能验。方法 采用便利抽样法，选取2025年4月-2025年10月在我院骨科住院并接受手术治疗的老年髋部骨折患者227例作为研究对象。采用一般资料调查表、国际版跌倒效能量表、医院综合焦虑抑郁量表、社会支持评定量表、简易体能状况量表、康复自我效能量表、临床衰弱量表及肌少症筛查问卷等进行横断面调查。采用卡方检验筛选预测变量，多因素Logistic回归分析确定跌倒恐惧的独立影响因素，并基于R语言构建列线图预测模型。通过Bootstrap法进行内部验证，采用校准曲线和受试者工作特征曲线评估模型的区分度与校准度。结果 227例患者中，150例存在跌倒恐惧。多因素Logistic回归分析显示：年龄≥75岁（OR=3.28）、视力不良（OR=6.017）、焦虑抑郁（OR=3.738），衰弱（OR=3.821），肌少症（OR=2.704），康复自我效能低（OR=0.275），为患者发生跌倒恐惧的风险因素。基于上述6个预测因子构建的列线图模型，其ROC曲线下面积为0.839（95%CI：0.832-0.916），。校准曲线显示预测概率与实际发生率一致性良好（Bootstrap验证，P=0.028），DCA结果显示，当阈值概率在0.1-0.9时，该模型净收益优于假设所有患者均接受或均不接受治疗的策略。结论 本研究构建的列线图模型能有效预测老年髋部骨折术后患者发生跌倒恐惧的风险，有助于临床医护人员早期识别高危人群并进行多维度靶向干预。

目的：分析急性有机磷农药中毒（AOPP）引发缺血缺氧性脑病预后相关因素，建立相关的预后预测模型。方法：回顾性分析90例（33例预后不良、57例预后良好）AOPP致HIE患者（2022年3月～2025年8月）的临床资料、中毒指标和血清学指标，独立危险因素用Logistic回顾分析筛选，并构建预后不良预测模型，采用ROC工具对模型效能进行验证。结果：Logistic 回归分析显示，年龄≥60岁、重度中毒、中毒至就诊时间、LAC水平、CHE水平、CRP水平及NSE水平均为患者预后不良的独立危险因素（P＜0.05）；AUC、灵敏度、特异度为0.943、90.91%、87.72%。结论：高龄、中毒程度高及中毒至就诊时间长等因素可导致AOPP致HIE患者出现不良结局，据此构建风险预测模型可有效预测预后不良的发生风险。

To determine the key impacting factors for hypoxic ischemic encephalopathy (HIE) caused by acute organophosphorus pesticide poisoning (AOPP) and build a prediction model. Methods: The clinical data, poisoning indicators and serological indicators of 90 patients (33 cases with poor prognosis and 57 cases with good prognosis) with HIE caused by AOPP (from March 2022 to Aug 2025) were analyzed. Independent risk factors were screened using logistic retrospective analysis, and a poor prognosis prediction model was constructed. The model efficiency was verified by the receiver operating curve (ROC). Results: Logistic regression analysis showed that age ≥ 60 years, severe poisoning, time from poisoning to treatment, LAC level, CHE level, CRP level, and NSE level were all risk factors for the prognosis in patients (P < 0.05). The AUC, sensitivity, and specificity were 0.943, 90.91%, and 87.72%.Conclusion: Factors such as advanced age, high degree of poisoning, and long time from poisoning to treatment can lead to adverse outcomes in patients with HIE caused by AOPP. Based on this, building a risk prediction model can effectively predict the risk of poor prognosis.

目的 探讨骨质疏松椎体压缩性骨折（OVCF）患者经皮椎体成形术（PVP）术后1年内发生邻近椎体再骨折（AVCF）的影响因素，并构建Logistic风险预测模型，分析其对AVCF发生的预测效能。方法 前瞻性选取我院2022年1月~2024年1月收治的188例OVCF患者，入院后均行PVP术治疗，根据术后1年内是否发生AVCF分为发生组、未发生组。单因素分析两组临床资料，Logistic多因素回归分析OVCF患者PVP术后1年内发生AVCF的影响因素，构建Logistic风险预测模型；ROC曲线分析风险预测模型对AVCF发生的预测效能。结果 两组年龄、术前骨密度、骨折病史、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标比较差异显著（P＜0.05）；Logistic多因素回归方程分析结果显示，年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素（P＜0.05）。构建Logistic回归模型，Logit（p）=-5.234+0.445×年龄-0.124×术前骨密度+1.521×骨水泥渗漏+1.375×术前椎体内裂隙征-0.151×术后椎体高度恢复达标。Logistic风险预测模型预测预AVCF发生的AUC值为0.863（95% CI：0.812～0.913），敏感度、特异度分别为80.31%、81.64%。结论 年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素，在此基础上构建的Logistic风险预测模型可为临床早期分辨PVP术后发生AVCF的高危患者提供依据，临床可据此早期制定针对性干预方案，以降低PVP术后AVCF发生风险。

目的 探讨症状性颅内动脉重度狭窄（sICAS）患者接受自膨式支架成形术后预后不良的相关因素，并构建预测模型。方法 回顾性连续纳入2023年1月至2025年6月于本院脑血管病科行自膨式支架联合经皮腔内血管成形支架置入术（PTAS）的重度sICAS患者96例。收集患者一般临床资料、影像学特征、手术相关资料及随访结局。以术后1年内发生主要终点事件（包括缺血性卒中复发、颅内出血、死亡或症状性支架内再狭窄）定义为预后不良。采用单因素及多因素Logistic回归分析筛选独立危险因素，并构建列线图预测模型。通过受试者工作特征曲线（ROC）及校准曲线评估模型效能。结果 96例患者中，术后1年共发生预后不良事件22例（22.9%），其中缺血性卒中复发12例（12.5%），症状性支架内再狭窄8例（8.3%），颅内出血2例（2.1%）。多因素Logistic回归分析显示，糖尿病（OR = 3.21，95% CI：1.28～8.05，P = 0.013）、术前狭窄长度≥10 mm（OR = 2.89，95% CI：1.15～7.28，P = 0.024）、Mori C型病变（OR = 4.12，95% CI：1.52～11.16，P = 0.005）及术后即刻残余狭窄率≥20%（OR = 2.67，95% CI：1.06～6.72，P = 0.037）是预后不良的独立危险因素。基于上述因素构建的预测模型AUC为0.84（95% CI：0.76～0.92），校准曲线显示模型一致性良好。结论 糖尿病、长病变、复杂Mori分型及术后残余狭窄率高是自膨式支架成形术后预后不良的独立预测因素，所构建的预测模型具有较好的区分度与校准度，可用于个体化风险评估。

目的 探讨骨质疏松椎体压缩性骨折（OVCF）患者经皮椎体成形术（PVP）术后1年内发生邻近椎体再骨折（AVCF）的影响因素，并构建Logistic风险预测模型，分析其对AVCF发生的预测效能。方法 前瞻性选取我院2022年1月~2024年1月收治的188例OVCF患者，入院后均行PVP术治疗，根据术后1年内是否发生AVCF分为发生组、未发生组。单因素分析两组临床资料，Logistic多因素回归分析OVCF患者PVP术后1年内发生AVCF的影响因素，构建Logistic风险预测模型；ROC曲线分析风险预测模型对AVCF发生的预测效能。结果 两组年龄、术前骨密度、骨折病史、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标比较差异显著（P＜0.05）；Logistic多因素回归方程分析结果显示，年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素（P＜0.05）。构建Logistic回归模型，Logit（p）=-5.234+0.445×年龄-0.124×术前骨密度+1.521×骨水泥渗漏+1.375×术前椎体内裂隙征-0.151×术后椎体高度恢复达标。Logistic风险预测模型预测预AVCF发生的AUC值为0.863（95% CI：0.812～0.913），敏感度、特异度分别为80.31%、81.64%。结论 年龄、术前骨密度、骨水泥渗漏、术前椎体内裂隙征、术后椎体高度恢复达标均为OVCF患者PVP术后1年内发生AVCF的独立影响因素，在此基础上构建的Logistic风险预测模型可为临床早期分辨PVP术后发生AVCF的高危患者提供依据，临床可据此早期制定针对性干预方案，以降低PVP术后AVCF发生风险。

目的 探讨子宫内膜息肉（EP）患者宫腔镜息肉切除术后发生宫腔粘连（IUA）的影响因素，并构建Logistic回归模型，以筛选高危患者，并指导临床制定治疗方案。方法 前瞻性选取2023年1月～2025年1月于本院就诊的200例EP患者为研究对象，依据宫腔镜息肉切除术后6个月内是否发生IUA，将其分为发生组61例、未发生组139例。比较两组临床资料及多因素分析术后IUA发生的影响因素，构建Logistic回归模型，并验证该模型对术后IUA发生的预测价值。结果 手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清血管内皮生长因子（VEGF）、 细胞趋化因子配体-5（CXCL5）、白细胞介素-22（IL-22）为术后IUA发生的独立危险因素（P＜0.05）；Logistic回归模型预测术后IUA发生风险的AUC值为0.927，敏感度、特异度分别为88.52%、88.49%，且该模型具有良好拟合度、校准度及临床应用性。结论 基于手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清VEGF、CXCL5、IL-22构建预测模型，可有效预测EP患者宫腔镜息肉切除术后IUA发生风险，有助于指导临床制定干预方案。

目的 探讨子宫内膜息肉（EP）患者宫腔镜息肉切除术后发生宫腔粘连（IUA）的影响因素，并构建Logistic回归模型，以筛选高危患者，并指导临床制定治疗方案。方法 前瞻性选取2023年1月～2025年1月于本院就诊的200例EP患者为研究对象，依据宫腔镜息肉切除术后6个月内是否发生IUA，将其分为发生组61例、未发生组139例。比较两组临床资料及多因素分析术后IUA发生的影响因素，构建Logistic回归模型，并验证该模型对术后IUA发生的预测价值。结果 手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清血管内皮生长因子（VEGF）、 细胞趋化因子配体-5（CXCL5）、白细胞介素-22（IL-22）为术后IUA发生的独立危险因素（P＜0.05）；Logistic回归模型预测术后IUA发生风险的AUC值为0.927，敏感度、特异度分别为88.52%、88.49%，且该模型具有良好拟合度、校准度及临床应用性。结论 基于手术时间、宫内节育器、剖宫产史、多发息肉、盆腔炎病史及术前血清VEGF、CXCL5、IL-22构建预测模型，可有效预测EP患者宫腔镜息肉切除术后IUA发生风险，有助于指导临床制定干预方案。