目的 基于癌症统计数据库（SEER）构建唾液腺腺样囊性癌（salivary adenoid cystic carcinoma，SACC）患者列线图模型并预后分析。方法 利用SEER肿瘤登记注册数据库，提取2010～2017年诊断为SACC的所有患者的信息，包括年龄、性别、种族、累及腺体、组织学分型、肿瘤分期（TNM）、手术情况等分类数据。将数据集分为训练队列和验证队列，并对训练队列和验证队列的平衡进行研究。对训练队列进行单因素Logistic回归分析，将有意义的变量纳入多因素模型。最后，采用后向归纳法并利用绩效评价模型，以受试者工作特征（ROC）曲线和校准曲线确定最终预测模型。结果 将患者年龄、性别、种族、累及腺体等变量纳入多因素回归，确定预测模型。结果显示，≥80岁患者发生淋巴结转移的风险较低（OR=0.610，95%CI : 0.424~0.877），临床Ⅱ期SACC患者淋巴结转移风险低于Ⅰ期（OR=0.422，95%CI : 0.237~0.750）。在模型预测能力方面，训练队列曲线下面积（AUC）为0.851
（95%CI : 0.829~0.873），验证队列曲线下面积为0.849（95%CI : 0.813~0.885），表明模型具有良好的判别能力。模型的准确度、灵敏度和特异度分别为0.791（95%CI :0.779~0.804）、0.803（95%CI : 0.759~0.846）和0.790（95%CI :0.777~0.804）。结论 SEER分析表明年龄、肿瘤原发部位、接受手术与否是SACC患者生存的影响因素。多变量Logistic回归模型对SACC患者整体预测效果良好。有高危险因素的患者在诊断后应给予更多关注，这些发现可能为SACC患者的筛查和治疗提供预防指南。