目的:开发并验证一个新型临床预测模型,以期术前更精准的识别颅内动脉粥样硬化狭窄导致急性大血管闭塞(Intracranial atherosclerotic stenosis-Acute large vessel occusion,ICAS-LVO)患者。方法:回顾性分析济宁市第一人民医院2019年1月至2021年9月急性大血管闭塞血管内介入取栓患者,将其作为模型开发队列。将2021年10月-2022年08月符合纳排标准的介入取栓患者作为模型验证队列。将患者的人口学特征、发病形式、病史、血Galunisertib管闭塞造影征像和实验室血液检查结果进行单因素分析。将P<0.05的项目通过逐步logMCC950细胞培养istic回归控制混杂效应,根据截断值将连续变量转变为分类变量,建立ICAS-LVO临床预测模型。然后,根据相关参数绘制Nomogram图。通过Hosmer-Lemeshow拟合优度检验、ROC曲线下面积(Area under the ROC curve,AUC)来评估该模型性能。将模型验证队列患者,根据本研究建立的预测模型进行ICAS-LVO判断,与实际结果进行对比,评价该模型的预测价值。结果:在预测模型开发队列中,231例急性大血管闭塞取栓患者纳入最终分析。其中74例患者(32.3%)血管闭塞机制是颅内动脉粥样硬化狭窄。最终筛选出五个因素可用于构建ICAS-LVO术前诊断预测模型,包括症状波动进展、NIHSS评分<16、心房颤动、锥形征和(American Society of Interventional and Therapeutic Neuroradiology/Society of Interventional Radiology,ASITN/SIR)评分≥2。该模型具有可接受的校准(Hosmer-Lemeshow检验,P=0.451)biodiesel production和良好的识别力(曲线下面积(Area under the ROC curve,AUC),0.941;95%CI:0.910-0.971)。ICAS-LVO量表的最佳临界值为2分,灵敏度为86.5%,特异性为91.1%,准确性为90.5%。在模型验证队列中,识别能力仍很理想,AUC值为0.897。结论:由症状波动进展、NIHSS评分<16、心房颤动、锥形征和ASITN/SIR评分≥2五个预测因素构建的ICAS-LVO临床预测模型具有较高的灵敏度和准确性。