目的:基于临床实践中常用的实验室指标,分析和筛选结直肠癌的危险因素,构建CRC辅助诊断预测模型,绘制列线图并初步验证,对高危人群进行有效识别,从而指导临床工作。方法:回顾性统计并分析2015年7月至2018年7月陕西省人民医院普外科收治的573例结直肠病变患者的临床资料,主要包括临床基本信息、实验室指标及病理组织学诊断结果。573例患者作为训练集,根据结直肠镜检查及病理组织学诊断结果分为CRC组317例和非CRC组256例。通过单因素分析和多因素Logistic回归分析,筛选出可能的危险因素,构建CRC辅助诊断预测模型,绘制列线图。通过模型区分度及模型校准度来评估CRC辅助诊断预测模型的预测效能。通过非参数Bootstrap方法对模型进行内部验证。收集2018年8月至2019年12月陕西省人民医院普外科就诊的255例结直肠病变患者的临床资料,255例患者作为验证集,其中CRC组148例,非CRC组107例,用来评估模型的判别能力。结果:1.本研究经纳入标准和排除标准后共纳入828例患者,经多因素Logistic回归分析结果提示:年龄、结直肠癌家族史、居住环境、NLR、PLR、FIB、CEA、CA19-9是预测CRC的独立危险因素。基于这些危险因素构建CRC辅助诊断预测模型,并通过绘制列线图进一步达到可视化;2.通过ROC曲线分析提示:NLR的最佳诊断阈值为2.40,灵敏度为79.5%,特异度为72.7%,曲线下面积为0.804;PLR的最佳诊断阈值为121.10,灵敏度为72.2%,特异度为60.3%,曲线下面积为0.707;3.分析提示CRC辅助诊断预测模型的ROC曲线下面积为0.908,校准曲线接近理想的曲线。采用非参数Bootstrap方法对模型进行内部验证,计算C统计量为0.9026,这表明该模型具有良好的判别能力。外部验证通过计算验证集ROC曲线下面积为0.9149,与训练集比较提示结果基本一致,表明预测模型区分度良好;校准曲线接近理想曲线,表明预测模型校准度良好。结论:1.通过多因素Logistic回归分析结果提示:年龄、结直肠癌家族史、居住环境、NLR、PLR、FIB、CEA、CA19-9是预测CRC的独立危险因素;通过ROC曲线分析显示:NLR、PLR在CRC的诊断方面具有较高价值;2.构建了基于临床常用实验室指标的CRC辅助诊断预测模型,并绘制列线图进一步达到可视化;3.验证并评估了该CRC辅助诊断预测模型具有良好的预测价值,值得进一步扩大样本量进行研究。