摘要目的 基于四变量评分和传统危险因素构建阻塞性睡眠呼吸暂停低通气综合征(OSAHS)合并冠心病(CHD)的列线图预测模型.方法 招募2020年2月至2024年3月在新疆医科大学第一附属医院住院的OSAHS患者1 224例.以7:3的比例随机分为训练集(857例)和验证集(367例).根据训练集患者CHD合并情况分为OSAHS+CHD组(277例)和OSAHS+非CHD组(580例).通过LASSO回归筛选自变量,采用多因素logistic回归分析OSAHS合并CHD的影响因素,建立列线图预测模型.分别通过受试者工作特征(ROC)曲线、校准曲线、Hosmer-Lemeshow检验和决策曲线分析(DCA)评估模型的区分度、校准度、拟合度和临床有效性.结果 LASSO回归分析筛选出8个自变量,分别为男性、年龄≥45岁、高血压史、体质量指数(BMI)≥25 kg/m2、高密度脂蛋白胆固醇(HDL-C)、呼吸暂停低通气指数(AHI)≥30次/h、平均血氧饱和度(MSaO2)≥90％、四变量评分≥10.5分.多因素logistic回归分析结果显示,男性、年龄≥45岁、高血压史、BMI≥25 kg/m2、AHI≥30次/h、四变量评分≥ 10.5分是OSAHS合并CHD的独立危险因素(P＜0.05),较高的HDL-C水平是OSAHS合并CHD的独立保护因素(P＜0.05).基于7个影响因素构建OSAHS合并CHD的列线图预测模型.ROC曲线显示,模型在训练集的AUC(95％CI)为0.778(0.747～0.810),灵敏度为71.80％,特异度为71.20％;模型在验证集的AUC(95％CI)为0.797(0.752～0.842),灵敏度为78.80％,特异度为70.80％,具有较高的区分度.校准曲线显示,模型预测OSAHS合并CHD风险的预测概率与实际概率基本一致,具有良好的校准度.Hosmer-Lemeshow检验结果(训练集:x2=8.100,P=0.524;验证集:x2=16.880,P=0.051)证明模型具有较好的拟合度.决策曲线验证了模型的临床有效性.结论 男性、年龄≥45岁、高血压史、BMI≥25 kg/m2、AHI≥30次/h、四变量评分≥10.5分是OSAHS合并CHD的独立危险因素,较高的HDL-C水平是OSAHS合并CHD的独立保护因素,基于以上7个影响因素构建的OSAHS合并CHD列线图预测模型具有较好的预测价值.