摘要目的 基于动脉瘤形态学、血流动力学和一般临床指标,通过逻辑回归(LR)和极端梯度提升(XGBoost)方法构建开颅夹闭术中颅内动脉瘤(IA)破裂的预测模型,并对其预测效能进行验证和对比.方法 招募2020 年1 月至2025 年4 月邢台市中心医院收治的 IA 患者330 例,以7∶3 比例随机将其分为训练集(231 例)与验证集(99 例).所有患者均接受开颅夹闭术治疗,根据术中 IA 发生破裂情况将其分为破裂组和未破裂组.于术前通过计算机断层扫描血管造影(CTA)检查,获取动脉瘤形态学指标以及血流动力学指标,并收集患者一般临床资料.分别采用LR 和XGBoost 方法构建开颅夹闭术中IA 破裂的预测模型,采用受试者工作特征(ROC)曲线和校正曲线对两种模型的预测效能进行评估.结果 在训练集与验证集中,破裂组高血压、颅内动脉粥样硬化占比、系统炎症反应指数(SIRI)、瘤体最大径、纵横比(AR,瘤体长径/瘤颈宽度)、尺寸比(SR,瘤体最大径/载瘤动脉直径)、壁面剪切力梯度(WSSGA)及震荡剪切指数(OSI)均高于未破裂组,标准化表面最大剪切力(NWSSM)低于未破裂组,差异有统计学意义(P＜0.05).基于训练集数据,LR 分析结果显示,高血压、颅内动脉粥样硬化、SIRI、AR、SR、OSI、NWSSM 是开颅夹闭术中 IA 破裂的影响因素(P＜0.05).预测模型方程:Logit(P)=-1.215+1.096×高血压+1.329×颅内动脉粥样硬化+0.629×SIRI+0.707×AR+0.719×SR+0.838×OSI-0.833×NWSSM.XGBoost 方法构建的预测模型中,特征重要性排序前6 位因素依次为 OSI、SIRI、SR、NWSSM、AR 和颅内动脉粥样硬化.基于训练集数据的ROC 曲线分析结果显示,XGBoost 模型和LR 模型均可有效预测开颅夹闭术中 IA 破裂的发生情况[AUC(95%CI)=0.915(0.875～0.955);AUC(95%CI)=0.838(0.780～0.897)].校正曲线分析结果显示,XGBoost 模型和 LR 模型的校准度分别为 0.885 和 0.828,一致性指数分别为0.879 和0.812.基于验证集数据的效能分析结果也显示,XGBoost 模型较 LR 模型具有更好的预测效能和准确性.结论 基于 OSI、SIRI、SR、NWSSM、AR 和颅内动脉粥样硬化等 6 个指标的 XGBoost模型可有效预测开颅夹闭术中 IA 破裂的发生情况,有助于临床医师及早识别高风险患者,改善患者预后.