【摘要】目的：探究不同性质肺磨玻璃结节（ground-glass nodule，GGN）的胸部 CT 影像特征，利用 Logistic 多因素回归分析筛选恶性结节 的独立影响因素，为临床诊治肺磨玻璃结节提供依据。方法：选取 2019 年 3 月—2022 年 1 月于哈尔滨工程大学医院、黑龙江省森工总医院 经手术证实的 180 例肺磨玻璃结节患者，依据手术及病理检查结果将其分为良性组（n=85）及恶性组（n=95）。收集年龄、性别、CT 影像 特征资料，进行单因素分析，然后将单因素分析对比差异具有统计学意义的指标纳入 Logistic 多因素分析，构建 GGN 恶性的预测模型。结果： 经 Logistic 回归分析发现，高龄（≥ 65 岁）、结节直径（≥ 16 mm）、mGGN、胸膜凹陷征、毛刺征是恶性结节的独立危险因素（OR ＞ 1， P ＜ 0.05）。得出 GGN 恶性预测模型，Logisti（P）=-3.745+（0.563× 高龄）+（0.567× 结节直径）+（0.653× 胸膜凹陷征）+（0.687×mGGN） +（0.732× 毛刺征）。结论：高龄（≥ 65 岁）、结节直径（≥ 16 mm）、mGGN、胸膜凹陷征、毛刺征是恶性结节的危险因素，而且构建预 测模型具有较高的临床应用价值。 

【关键词】胸部 CT 影像；肺磨玻璃结节；性质鉴别；预测模型；Logistic 多因素分析