【摘要】目的 构建急性脑梗死患者发生吸入性肺炎的预测模型并验证其效能，为临床早期识别高风险患者提供可靠工具。方法 回顾性纳入南京市中医院脑病科2019年1月—2024年8月确诊的826例急性脑梗死患者，采用随机数字表法按7∶3比例分为训练集 (n = 579)和验证集 (n = 247)。收集患者26项潜在预测变量，通过最小绝对收缩与选择算子(LASSO)回归筛选关键变量，采用多因素Logistic回归构建预测模型，采用列线图可视化呈现，通过受试者工作特征曲线下面积 (AUC)、校准曲线、临床决策曲线分析 (DCA)评估模型效能。结果 826例患者中127例 (15.4%)发生吸入性肺炎。LASSO回归筛选出8个关键预测变量，多因素Logistic回归显示，格拉斯哥昏迷评分降低、视黄醇结合蛋白水平降低、洼田饮水试验分级升高、全身炎症指数升高、美国国立卫生研究院卒中量表评分升高、后循环供血、脑梗死病史及2型糖尿病病史是急性脑梗死患者发生吸入性肺炎的独立危险因素 (P＜0.05)。基于上述变量构建的Nomgram预测模型，在验证集中AUC为0.925，提示区分度优异；Hosmer-Lemeshow检验提示模型校准良好 (P＞0.05)；DCA曲线显示模型具有良好的临床净获益。结论 构建的Nomgram预测模型可准确预测急性脑梗死患者发生吸入性肺炎的发生风险，兼具预测准确性与临床可解释性。

【关键词】脑梗死；吸入性肺炎；LASSO回归；Logistic回归；列线图