目的1探究危重症患者下肢深静脉血栓形成的影响因素。2建立危重症患者下肢深静脉血栓风险预测模型,以期为医务人员提供更加具有针对性、客观性的下肢深静脉血栓风险预测工具。方法本研究分为两部分:第一部分探究危重症患者下肢深静脉血栓形成影响因素,第二部分基于第一部分结果建立危重症患者下肢深静脉血栓风险预测模型。第一部分:2019年5月1日至2020年12月31日,选取青岛市三所三级综合医院重症医学科符合纳入排除标准患者600例。采用一般资料记录表、急性生理与慢性健康评分表、Caprini、Padua、Wells血栓风险预测量表收集危重症患者相关信息。采用SPSS24.0和Medcalc15.2软件进行数据描述,采用卡方检验和秩和检验对危重症患者下肢深静脉血栓形成影响因素进行单因素分析。第二部分:基于单因素分析结果建立反向传播人工神经网络（Back propagation artificial neural network,BP-ANN）模型,应用验证集进行模型验证;采用受试者工作特征曲线分析BP-ANN模型有效性并与其他三种血栓风险预测量表的预测能力进行比较;采用标准化重要性分析BP-ANN模型输入层神经元的重要性。结果第一部分:单因素分析结果显示,急性生理与慢性健康评分、白细胞、血小板、纤维蛋白原、血浆D-二聚体、糖尿病、机械通气、连续肾脏替代治疗、下肢水肿、充血性心力衰竭、恶性肿瘤、中心静脉置管、大手术>45min（手术时间>45min）、静脉血栓史、脑卒中和多发伤共16项因素在下肢深静脉血栓组和非下肢深静脉血栓组间差异存在统计学意义（P<0.05）。第二部分:1建立BP-ANN下肢深静脉血栓风险预测模型,共纳入19个输入层神经元,9个隐藏层神经元,2个输出层神经元。模型的曲线下面积为0.828（P<0.05）,最佳截点值为0.150,灵敏度为72.73%,特异度为81.29%,阳性似然比为3.89,阴性似然比为0.34;2 Caprini、Padua和Wells血栓风险预测量表的曲线下面积分别为0.727、0.626、0.605。以上三种量表曲线下面积均低于BP-ANN模型（P<0.05）;3血浆D-二聚体、急性生理与慢性健康评分、充血性心力衰竭、白细胞、连续肾脏替代治疗、纤维蛋白原和身体质量指数的标准化重要性分析均大于50%。结论第一部分:影响危重症患者下肢深静脉血栓形成的因素为急性生理与慢性健康评分、白细胞、血小板、纤维蛋白原、血浆D-二聚体、糖尿病、机械通气、连续肾脏替代治疗、下肢水肿、充血性心力衰竭、恶性肿瘤、中心静脉置管、大手术>45min、静脉血栓史、脑卒中和多发伤。第二部分:BP-ANN模型对危重症患者下肢深静脉血栓的发生具有较好的预测能力且高于Caprini、Padua和Wells血栓风险预测量表,更具有针对性和科学性。