摘要： 目的 构建阻塞性睡眠呼吸暂停低通气综合征（OSAHS）患者嗅觉障碍的临床预测模型，并探究多导睡眠监测（PSG）参数及临床症状对嗅觉障碍的联合预测价值。方法 回顾性纳入546例OSAHS患者，其中川北医学院附属医院420例，按7∶3随机划分为训练集（n=294）与内部验证集（n=126），成都市第六人民医院126例作为外部验证集。所有患者行整夜PSG获取睡眠参数，采用Sniffin' sticks测试评估嗅觉功能；结合LASSO回归与多因素Logistic回归筛选预测因子，建立预测模型并绘制列线图；通过受试者工作特征（ROC）曲线、校准曲线及决策曲线分析（DCA）对模型进行内部和外部验证。结果 OSAHS患者嗅觉障碍总发生率为38.64%（211/546），其中训练集、内部验证集、外部验证集分别为38.10%（112/294）、38.10%（48/126）、40.48%（51/126）。LASSO算法和Logistic回归分析结果显示，性别（OR=0.430，95%CI：0.226~0.817），年龄（OR=2.052，95%CI：1.110~3.796），呼吸暂停低通气指数（AHI）（OR=1.113，95%CI：1.050~1.180），N3%（OR=0.843，95%CI ：0.766~0.928），快速眼动睡眠百分比（REM%）（OR=0.925，95%CI ：0.876~0.976），睡眠血氧饱和度低于90%时间占总监测时间的百分比（TS90%）（OR=1.306，95%CI ：1.069~1.596）和蒙特利尔认知评估量表（Montreal cognitive assessment，MoCA）（OR=0.775，95%CI：0.696~0.862）是OSAHS患者嗅觉障碍发生的独立危险因素。训练集模型中，预测效能AUC=0.832（95%CI：0.784~0.880）；校准曲线斜率为0.89（Hosmer-Lemeshow检验P =0.41，拟合优度良好）；DCA结果显示，阈值概率为0.06~0.97时模型净效益最大。结论 基于性别、年龄、AHI、N3%、REM%、TS90%、MoCA构建的预测模型可有效识别OSAHS相关嗅觉障碍高危人群，该模型区分度与校准度良好，可作为早期干预的无创评估工具。