文摘目的利用贝叶斯网络(Bayesian network,BN)算法建立全膝关节置换术(total knee replacement,TKR)后认知功能障碍(postoperative cognitive dysfunction,POCD)的风险预测模型,并探讨模型的预测性能。方法采用病例-对照研究设计方案,选择陆军军医大学第一附属医院关节外科2017年1月至2021年12月行TKR的住院患者1260例。入院主要诊断为左/右膝关节重度骨性关节炎,其中男性240例(19.0%),女性1020例(81.0%);年龄23~79(66.73±8.46)岁;体质指数(BMI)(25.08±5.09)kg/m2。将术后(手术结束至出院期间)发生POCD的患者(71例)按照7∶3随机分为A1组(70%)和B1组(30%),未发生POCD的患者(1189例)按照7∶3随机分为A2组(70%)和B2组(30%)。A1组与A2组共同构成A组(训练数据集),B1组与B2组则为B组(测试数据集),其中A组用于模型训练,B组用于模型测试。筛选TKR相关围术期麻醉决策、病情转归及住院时间等36项指标作为节点,利用BN算法建立各节点的概率分布模型图,预测POCD发生风险的概率,以期住院时间最短,促进最大化患者康复。结果基于BN算法建立的预测TKR后POCD发生风险模型,训练集的受试者工作曲线下面积(area under the subject curve,AUC)值为0.9661(95%CI:0.9541~0.9784),测试集AUC值为0.8974(95%CI:0.8672~0.9285),准确性分别为96.43%(95%CI:0.9511~0.9764)和93.44%(95%CI:0.9092~0.9596)。结论基于BN算法建立的预测TKR后POCD发生风险的模型预测性能较好且准确率较高。