目的探讨卒中后抑郁（post-stroke depression,PSD）患者的发病危险因素,构建PSD风险预测模型,以期为临床医师及患者尽早识别和预防PSD提供参考。方法收集2019年10月2020年9月住院的241名缺血性脑卒中患者。所有患者入院行常规病史采集并完成相关基线资料及实验室检查指标的收集。采用汉密尔顿抑郁量表（hamliton deperssion scale,HAMD）对卒中患者进行抑郁程度评估,根据评分结果,HAMD评分≥8分为PSD组,HAMD评分<8分为非卒中后抑郁（NPSD）组;根据美国国立卫生研究院卒中量表（the national institutes of health stroke scale,NIHSS）评估卒中患者的神经功能缺损程度;使用日常生活活动能力量表（activities of daily living,ADL）评估卒中的患者日常生活活动能力。整理统计临床数据,最终纳入26个变量,进行LASSO回归筛选风险预测因子,将241个数据观测值导入软件,固定比例为0.6:0.4,任意拆分成训练集:141个观测值,验证集:100个观测值,训练集进行风险预测因子的筛选及模型的构建,验证集进行风险预测模型的验证及评价,采用ROC曲线下面积（AUC）评价预测模型的区分度,通过拟合优度检验判断预测模型的校准度,用列线图对模型进行可视化呈现。结果1 PSD组与NPSD组临床基本资料相比较,两组患者年龄、高血压病史、房颤病史、吸烟史、NIHSS得分、ADL得分、血小板平均体积、中性粒细胞绝对值、尿酸、超敏C反应蛋白、同型半胱氨酸、血小板/淋巴细胞比值、病变位置、病灶数量比较差异均具有统计学意义（P<0.05）;性别、文化水平、糖尿病病史、冠心病病史、淋巴细胞绝对值、单核细胞绝对值、总胆红素、直接胆红素、间接胆红素、血浆葡萄糖、中性粒细胞/淋巴细胞比值、淋巴细胞/单核细胞比值等方面比较差异无统计学意义（P>0.05）。2 26个变量进行LASSO回归分析,结果显示,当λ=0.0364时（即lambda.1se）,误差的范围不超过一个标准差,入选的变量数最佳,为6个,分别是:高血压病史、NIHSS得分、超敏C反应蛋白、病灶数量、血小板平均体积、吸烟史。3 6个风险因子构建的Logistic回归模型,校准度0.4258,具有统计学意义（P>0.05）,区分度（ROC下面积）0.8983,具有统计学意义（P<0.05）,将验证集带入模型验证,校准度为0.0744,具有统计学意义（P>0.05）,区分度（ROC下面积）为0.8929,具有统计学意义（P<0.05）,表明该模型具有较好的校准度和区分度,模型公式为:pred=1/（1+exp（-（-3.520005+血小板评价体积*0.1776016+NIHSS得分*0.5474521-高血压史*1.187451-吸烟史*1.048246+病灶数量*0.9132416+超敏C反应蛋白*0.3187701）））。结论高血压病史、NIHSS得分、超敏C反应蛋白、病灶数量、血小板平均体积、吸烟史是卒中后抑郁发病的危险因素,几者相结合构建的卒中后抑郁发病风险预测模型可对脑卒中患者进行PSD发病风险预测,可为临床医生提供参考。图14幅;表3个;参178篇。