摘要目的:建立股骨颈骨折内固定术后股骨头坏死(osteonecrosis of femoral head,ONFH)风险预测列线图模型.方法:选取2020 年1 月至2022 年6 月和2022 年7 月至2023 年5 月收治的股骨颈骨折患者分别作为训练集和验证集.所有患者均采用内固定手术治疗,并观察术后12 个月内发生 ONFH 的情况.根据是否发生 ONFH,将训练集患者分为 ONFH 组和无 ONFH 组,比较2 组患者的年龄、性别、体质量指数、吸烟史、合并糖尿病情况、合并高血压病情况、骨折原因、骨折侧别、Garden 分型、骨折线位置、受伤至手术时间、复位方式、复位质量、术前牵引情况、手术至下地负重时间及内固定取出情况,筛选股骨颈骨折内固定术后ONFH的影响因素.采用多因素 Logistic 回归分析进一步筛选股骨颈骨折内固定术后 ONFH 的独立影响因素.在此基础上构建股骨颈骨折内固定术后 ONFH 风险预测列线图模型;基于训练集和验证集数据,以受试者操作特征(receiver operating characteris-tic,ROC)曲线、校准曲线和决策曲线评估模型的预测性能.结果:①一般情况.共纳入股骨颈骨折患者 394 例,训练集 276 例(ONFH 组67 例、无 ONFH 组 209 例)、验证集 118 例.②股骨颈骨折内固定术后 ONFH 的影响因素分析结果.ONFH 组和无ONFH组合并糖尿病情况、Garden 分型、术前牵引情况、复位质量及内固定取出情况的组间差异均有统计学意义(χ2=7.073,P=0.008;χ2=10.313,P=0.001;χ2=9.914,P=0.002;χ2=9.180,P=0.002;χ2=6.684,P=0.010),年龄、性别、体质量指数、吸烟史、合并高血压病情况、骨折原因、骨折侧别、骨折线位置、受伤至手术时间、复位方式及手术至下地负重时间的组间差异均无统计学意义.多因素 Logistic 回归分析结果显示,合并糖尿病情况、Garden 分型、术前牵引情况、复位质量及内固定取出情况均为股骨颈骨折内固定术后 ONFH 的独立影响因素[B=1.102,P=0.004,OR=3.010(1.410,6.429);B=1.101,P=0.001,OR=3.007(1.534,5.894);B=1.030,P=0.001,OR=2.800(1.495,5.244);B=1.312,P=0.002,OR=3.714(1.592,8.669);B=1.195,P=0.001,OR=3.304(1.627,6.711)].③股骨颈骨折内固定术后 ONFH 风险预测列线图模型构建结果.基于合并糖尿病情况、Garden 分型、术前牵引情况、复位质量及内固定取出情况5 个变量,构建股骨颈骨折内固定术后 ONFH 风险预测静态列线图模型和动态列线图模型(https://cooldongtai.shinyapps.io/dynnomapp-2).该模型预测训练集和验证集股骨颈骨折内固定术后 ONFH的 ROC 曲线下面积分别为0.750 和0.781;训练集与验证集的校准曲线均显示模型预测值与实际发生值基本一致;决策曲线显示,当阈值概率为7%～61%时,该模型对股骨颈骨折内固定术后 ONFH 的预测具有良好的临床净获益.结论:基于合并糖尿病情况、Garden 分型、术前牵引情况、复位质量及内固定取出情况5 个变量构建的股骨颈骨折内固定术后 ONFH 风险预测列线图模型,具有中等预测效能与良好的临床净获益,可为临床个体化评估股骨颈骨折内固定术后 ONFH 发生风险提供一定参考.