目的收集受试者人口学信息、既往疾病史、生活因素等资料,根据是否有认知功能障碍,将受试者分为轻度认知障碍（MCI）患者和认知功能正常的受试者,分析影响MCI的相关因素,建立MCI发生的影响因素预测模型,及MCI进展的影响因素预测模型。方法选取2015年10月至2017年10月于青岛大学附属医院保健科、神经内科住院治疗的患者512例,进行人口学信息、既往疾病史、生活因素等资料问卷调查和数据收集。根据MCI的诊断标准将512例受试者分为MCI组（282例）和认知功能正常组（230例）,采用决策树法和Logistic回归分析法进行MCI的影响因素分析,构建决策树预测模型与Logistic回归模型,依据受试者工作特征曲线（ROC曲线）,通过比较二者曲线下面积（AUC）,将这两种模型的预测能力进行比较;对MCI组患者进行随访观察,收集受试随访者既往疾病控制情况、生活因素改变情况等信息,以MCI组患者出院之日为随访观察起点,认知功能恶化作为观察终点,所有随访工作于2017年12月31日结束。采用Cox比例风险回归分析法分析筛选MCI进展的影响因素,建立Cox回归预测模型。结果1.决策树模型的交叉验证模型识别准确度为76.80%,模型的拟合度较好。进入决策树模型的影响因素有社会交往、受教育年限、糖尿病、兴趣爱好、吸烟情况、饮茶习惯等,是决策树模型的分类节点变量,提示这些因素是MCI的影响因素。其中社会交往情况位于决策树第一层,为根节点影响因素,表明该因素对MCI的影响最大;受教育年限和饮茶习惯、吸烟情况和兴趣爱好、糖尿病和兴趣爱好分别位于树模型的第二、三、四层,是MCI的次要影响因素。Logistic回归分析结果显示,进入Logistic回归模型的因素有居住情况、长期居住地、糖尿病情况、社会交往情况等4个因素。2.决策树模型预测MCI的AUC为0.765（95%CI 0.723⁰.807）;Logistic回归模型预测MCI的AUC为0.722（95%CI 0.677⁰.767）。3.随访期间共102例受试者出现认知功能恶化,Cox比例风险回归分析发现,MCI进展的独立危险因素有兴趣爱好减少,保护性因素有低龄（60-69岁）、血压控良好、血脂控制良好。MCI进展的Cox回归模型为:h（t,X）=h0（t）exp（-1.114 X₁-1.985 X₂-0.594 X₃+0.924X₄）（X₁:年龄;X₂:血压控制情况;X₃:血脂控制情况;X₄:兴趣爱好）。结论1.患有糖尿病、吸烟是MCI的危险因素;经常参加社会交往、较高的受教育水平、饮茶、有兴趣爱好是MCI的保护性因素。2.在MCI的预测方面,决策树模型优于Logistic回归模型。3.兴趣爱好减少是MCI进展的危险因素,低龄（60-69岁）、血压控制良好、血脂控制良好是MCI进展的保护性因素。对可以控制的危险因素尽早进行干预是预防MCI进展的重要方法。