目的 利用 IOF 骨质疏松症风险 1min 测试, 构建临床预测模型来作为骨质疏松的评估工具. 方法 通过收集在本院骨科骨质疏松专病门诊就诊的 470 名对象的骨质疏松症风险 1min 测试结果和骨质疏松患病数据, 利用 LASSO 回归模型和多因素 Logtisic 回归分析患者发生骨质疏松的风险因素, 并建立骨质疏松风险预测模型. 结果 LASSO 回归结果显示, 父母是否有过骨折或者被诊断为骨质疏松症, 父母曾经有人驼背, 患者实际年龄超过40岁或BMI≤18.5kg/m2等9个问题, 被定义为发生骨质疏松风险的特征变量. 多因素Logtisic回归结果表明, 年龄 (OR:1.12, 95% CI:1.09~1.15), 性别 (OR:6.81, 95%CI:3.95~12.1), 是否在成年之后因轻摔发生骨折 (OR:2.87, 95%CI:1.82~4.26), 每天运动量少于30min (OR:1.59, 95%CI:1.29~2.18) 与骨质疏松的高风险有关 (P<0.05) . 利用Logtisic回归构建列线图模型, 其预测骨质疏松发生的的ROC曲线下面积为值为0.856. 通过校准曲线研究表明, 其优势在于列线图模型的理想曲线与偏差校正曲线能够保持较好的一致性. 从临床适用性来说, 与“全干预”和“不干预”方案相比较, 列线图模型的临床净收益率均表现出一定优势. 结论 利用 IOF 提供的骨质疏松症风险1 min测试, 构建出的风险预测模型有良好的预测效果, 可以为临床医生提供参考和帮助. [ABSTRACT FROM AUTHOR]