目的 构建心脏骤停后脑损伤（ post-cardiac arrest brain injury, PCABI）不良神经预后的交互式网络动态列线图预测模型，并验证其早期预测效能。方法 回顾性收集2020年1月至2024年4月天津医科大学总医院收治的心脏骤停后恢复自主循环住院患者资料，依据出院时格拉斯哥-匹兹堡脑功能表现分级分为预后良好组与预后不良组。将入选患者按7∶3随机分为训练集与内部验证集，采用单因素、多因素Logistic回归分析筛选PCABI不良神经预后的独立影响因素并构建列线图预测模型，通过DeLong检验比较列线图预测模型与各独立影响因素的受试者工作特征曲线的曲线下面积（area under the curve, AUC）以评估预测效能，采用校准曲线和决策曲线评价模型的一致性与临床净获益，并进行内部验证，随后应用网络映射方法构建交互式动态列线图。结果 本研究最终纳入276例PCABI患者（训练集196例、内部验证集80例），其中预后不良组82例，发生概率为29.7%。多因素Logistic回归分析发现年龄（OR=1.071，95%CI:1.021~1.124，P=0.005）、APACHEⅡ评分（OR=1.746，95%CI:1.393~2.190，P<0.001）、初始可除颤心律（OR=0.142，95%CI:0.025~0.819，P=0.029）、电除颤（OR=0.228，95%CI:0.060~0.869，P=0.030）、复苏时间（OR=2.116，95%CI:1.487~3.010，P<0.001）和乳酸（OR=1.392，95%CI:1.005~1.927，P=0.047）为PCABI不良神经预后的独立影响因素；基于以上因素构建列线图预测模型并计算训练集与内部验证集的AUC分别为0.965（95%CI:0.939~0.989）和0.987（95%CI:0.967~1.000），较各独立影响因素具有更高的临床预测价值（P<0.001），且该模型具有良好的区分度、校准度与临床净获益；由此映射的交互式网络动态列线图为临床工作进一步提供了便利。结论基于年龄、APACHEⅡ评分、初始可除颤心律、电除颤、复苏时间和乳酸构建的交互式网络动态列线图对PCABI不良神经预后具有良好的预测价值，更便于临床应用，可为早期识别PCABI不良神经预后与精准干预提供新的策略。

续国武,王晋祥,靳衡,王力军,余慕明. 心脏骤停后脑损伤不良神经预后交互式网络动态列线图[J]. 中华急诊医学杂志, 2025,34(5): 684-691.
DOI号:10.3760/cma.j.issn.1671-0282.2025.05.012

基金项目：天津市教委科研计划项目（ 2021KJ211）；天津大学温州安全（应急）研究院科研 转化项目（ TJUWYY2022022）
伦理审批号：天津医科大学总医院伦理审查委员会（IRB2021-YX-240-01）

关键词： 心脏骤停后脑损伤 不良神经预后 交互式网络动态列线图 临床预测模型