背景:椎体骨折是最常见的骨质疏松性骨折,会导致慢性疼痛、功能丧失。椎体骨折与死亡率升高相关,疾病危害和负担大。我国人群中椎体骨折流行病学资料有限,与其相关的危险因素尚未得到充分识别,有待建立和健全具有中国人特征的椎体骨折的风险评估体系。目的:基于中国骨质疏松症流行病学调查的资料,探究中国人群椎体骨折的危险因素,构建椎体骨折患病概率的预测模型,旨在为椎体骨折的筛查和诊断提供科学理论依据。方法:采用中国骨质疏松流行病学调查的队列作为开发队列,中国椎体骨质疏松研究的北京亚组作为外部验证队列。首先收集并整理包括人口调查资料、身体测量、骨密度和骨代谢指标在内的数据,利用FRAX工具计算10年内骨折风险。进行全部及男性、女性的人口学特征描述,并分别对整体、男性和女性进行椎体骨折组与无椎体骨折组之间各因素的显著性检验,选择有显著性差异的指标代入单因素logistic回归得到比值比,附加人工筛选后进入多因素logistic逐步回归建立模型,并绘制受试者工作曲线。在开发队列、500次内部bootstrap重抽样队列和外部队列中计算曲线下面积（AUC）和Brier评分,绘制校准图,并应用Delong检验和重新净分类指数（NRI）进行比较。选择最优模型进行可视化,制作评分表。基于ROC曲线的约登指数设定统计学界值,在开发队列中比较预测模型、评分表与常用指南的筛查指征和FRAX的预测效果。结果:本研究纳入8422名受试者,平均年龄57.4±10.1岁。男性3596名,平均年龄57.8±10.4岁,女性4826名,平均年龄57.03±9.82岁。发生椎体骨折者有806人,平均年龄64.6±8.8岁,女性占48.6%。多数变量在整体、男性和女性的椎体骨折组与无椎体骨折组之间均有显著性差异。经单因素logistic回归及多因素logistic逐步回归筛选,构建模型1:性别、年龄、身高、体重、城乡、驼背、既往骨折史、骨密度和10年内主要骨折风险;模型2:模型1减去FRAX;模型3:模型2减去骨密度。3个模型在开发队列的AUC值分别为0.775,0.774和0.759,Brier评分分别为0.078,0.078和0.080;经内部重抽样验证,AUC分别为0.772、0.772和0.757,Brier评分分别为0.078、0.078和0.080;经外部队列验证,AUC分别为0.754、0.755和0.740,Brier评分分别为0.133、0.133和0.135。经Delong检验和重净重分类改进指数（NRI）比较得到模型2（性别、年龄、身高、体重、城乡、驼背、既往骨折史、骨密度）的AUC与模型1无显著差异（p=0.357）而显著高于模型3（p＜0.001）,且与模型1对比得到的NRI指数在5%、10%和15%切点时均无统计学意义（p1=0.615,p2=0.242,p3=0.704）。模型 2 制作成网页发布于 https://yaooo-9697.shinyapps.io/dynnomapp/,并制作评分表。基于ROC曲线的约登指数设定模型2和评分表的筛选界值为8.6%和11分,模型2在开发队列中的AUC为0.702,敏感度75.2%,特异度65.2%;评分表在开发队列中的AUC为0.692,敏感度68.6%,特异度69.9%。二者的AUC和敏感度均高于ISCD2019（AUC 0.576,敏感度27.7%）、中国骨质疏松指南的椎体骨折筛查指征（AUC 0.639,敏感度54.7%）和FRAX主要骨折风险（切点3.25%,AUC 0.646,敏感度62.5%）。结论:本研究构建了中国人群的椎体骨折风险预测模型,模型由性别、年龄、身高、体重、城乡、驼背、既往骨折史、骨密度构成,优于现有椎体骨折筛选指征和FRAX,具有潜在的临床应用价值。本研究为锚定行椎体骨折筛查判定的人群提供了科学建议。