目的:通过分析肺部结节患者临床特征、肺部CT影像学特征、实验室检验指标等资料,利用多因素二元Logistic回归构建肺部结节良恶性的临床诊断预测模型。方法:利用病历库收集2017年7月1日至2020年6月31日厦门大学附属中山医院有明确病理诊断的肺部结节患者共240例。收集这些患者的临床特征（性别、年龄、咳嗽、胸痛、咯血、吸烟史、戒烟时间、体重指数（Body Mass Index,BMI）、胸外肿瘤史、慢性阻塞性肺疾病（Chronic obstructive pulmonary disease,COPD）病史、肺结核病史、真菌感染病史、家族肺部肿瘤史）,肺部CT影像学特征（肺部结节部位、结节性质、结节大小、边界、胸膜牵拉征、血管纠集征、周围条索、钙化、毛刺征、分叶征、空泡征、强化）以及实验室检查指标（胃泌素释放肽前体（Pro-Gastrin-Releasing Peptide,Pro GRP）、神经元特异性烯醇化酶（neuron-specific enolase,NSE）、癌胚抗原（carcinoembryonic antigen,CEA））、D-二聚体、纤维蛋白原)、病理诊断等共计31项临床资料,首先对这些资料进行单因素分析,单因素分析有统计学意义因素纳入多因素二元Logistic回归分析,明确独立预测因子后再构建肺部结节良恶性的临床预测模型,并与现有的国内外三种模型进行比较。结果:通过单因素分析提示性别、年龄、结节大小、结节性质、胸膜牵拉征、血管纠集征、周围条索、边界、毛刺征、分叶征、空洞、Pro GRP、CEA、纤维蛋白原因素在肺部结节良恶性组中存在差异,且差异具有统计学意义,将这些在肺部结节良恶性组中具显著差异的因素进行多因素二元Logistic回归分析筛选出性别、年龄、结节大小、结节性质、纤维蛋白原为恶性肺部结节的独立危险因素,而模糊的边界为恶性肺部结节的保护因素;并利用这些指标构建肺部结节恶性概率的临床预测模型:P=e X/（1+e X）,x=1.483×（性别）+0.035×（年龄）+0.151×（结节大小）+1.588×（结节性质）+1.246×（纤维蛋白原）-2.708×（边界）-7.654;（性别:女性为1,男性0,边界:清晰0,模糊1,肺部结节大小单位为毫米mm,纤维蛋白以单位为g/L）,其中e为自然对数,取P=0.603为截点,绘制受试者工作特征曲线（receiver operating characteristic curve,ROC）并计算曲线下面积（Area Under Curve,AUC）为0.893±0.025,此时模型预测肺部结节良恶性的为敏感性86.05%,特异性为72.22%,阳性预测值88.10%,阴性预测值68.42%。结论:通过上述单因素及多因素二元Logistic回归分析可知性别、年龄、结节大小、结节性质、纤维蛋白原是肺部结节恶性的独立危险因素,而边界模糊为其独立保护性因素,通过多因素二元Logistic回归,利用上述指标构建的肺部结节良恶性预测模型,较另外三种模型更佳,具有较好的准确性和敏感性。