摘要目的 化疗相关恶心呕吐(Chemotherapy-Induced Nausea and Vomiting,CINV)是乳腺癌患者最常见且影响生活质量的不良反应之一.现有关于CINV的预防、评估、治疗等内容分散于多种文献中,缺乏系统整合与结构化呈现,限制了其临床应用.为此,该研究利用大语言模型构建乳腺癌患者CINV知识图谱,系统整合护理与医学证据,为临床决策提供智能化辅助作用.方法 采用自顶向下的方法构建乳腺癌患者CINV的知识图谱.构建过程:①知识库构建:系统检索建库至2024年10月的9个数据库和8个指南库,纳入指南、证据总结、专家共识及系统评价,由两名研究者独立筛选后形成知识库.②模式设计:参考统一医学语言系统、医学术语系统命名法-临床术语及护理措施分类体系,自顶向下定义实体与关系类型,构建本体框架.③基于Qwen模型的知识抽取与融合:利用Qwen模型按CRISPE框架完成实体命名识别、关系抽取、实体消歧与融合,生成三元组,并导入Neo4j实现可视化.通过四轮专家会议,核对实体边界、关系类型与语义一致性,确保提取结果的准确性与逻辑性.采用精确率、召回率、F1值和95％可信区间评估Qwen模型在实体命名识别与关系抽取中的表现和结果稳定性.结果 共纳入47篇研究文献(18篇指南,2篇专家共识,2篇证据总结,25篇系统综述).使用Qwen模型自动化抽取和消歧后获得273个实体和289条关系,专家核实后保留238个实体和242条关系,融合构成244组三元组,图谱本体模式层包括9个实体类型和8个关系类型.模型在命名实体识别与关系抽取中F1值分别达到82.9(95％CI:0.820,0.839)和85.54(95％CI:0.844,0.867).图谱中各节点平均连接度为2.03,无孤立节点.结论 基于大语言模型构建的CINV知识图谱实现了护理与医学证据的结构化整合,为临床护理决策提供了新型的数据驱动工具,促进智慧化护理的发展.