摘要:目的 基于机器学习构建并验证距骨骨折患者术后缺血性坏死（AVN）风险的预测模型。方法 本研究为回顾性病例对照研究。纳入2018年1月至2023年12月在宁波市第六医院接受手术治疗的距骨骨折患者207例，收集其人口学特征、骨折相关变量、手术相关参数及随访信息。按7∶3比例随机分为训练集和验证集。采用单因素及多因素Logistic回归筛选术后AVN的关键预测指标，并应用六种机器学习算法构建预测模型。通过受试者工作特征（ROC）曲线下面积（AUC）、校准曲线、决策曲线及多项性能指标评估模型表现，并采用SHAP方法对最优模型进行全局与局部解释。结果 207例距骨骨折患者中，45例（21.74%）发生术后AVN。多因素Logistic回归显示体质量指数（BMI）、骨折分型、同侧足踝合并骨折、吸烟、骨折复位质量及骨折类型均为距骨骨折术后AVN的独立预测因素（均P＜0.05）。XGBoost模型在训练集和验证集中均表现出最优的AUC、特异度与敏感度。结论 基于BMI、骨折分型、同侧足踝合并骨折、吸烟、骨折复位质量及骨折类型构建的XGBoost模型，能够有效识别高危患者，为临床个体化防治提供有力工具。
