目的:肺癌是全球癌症死亡率最高的恶性肿瘤,非小细胞肺癌（non-small cell lung cancer,NSCLC）占肺癌总数的80%～85%,由于癌症的隐匿性,多数患者确诊时已发生远处转移,无手术机会。传统的放化疗虽在一定程度上减缓患者疾病进展,但其毒副作用较为显著,随着我们对癌症分子分型的了解,靶向治疗得到发展,一定程度上弥补了放化疗的局限性,但获益人群有限。现如今免疫治疗时代的到来改变了NSCLC的治疗模式与格局,寻找便捷高效的预测标志物以此筛选出最佳获益人群以及如何避免免疫相关不良反应及获得性免疫耐药仍需进一步研究。总之面对多种治疗模式的选择,如何针对癌症患者个体实现精准治疗仍然困扰着临床医师。搜集NSCLC患者相关临床资料,探讨可影响NSCLC预后的因素,据此帮助医生评估患者预后,制定合理治疗方案。本研究旨在联合NSCLC患者的临床相关因素建立列线图预后模型,指导协助临床诊疗决策。方法:本研究纳入393例在2015年12月1日至2020年12月31日之间就诊于承德医学院附属医院并经病理组织学确诊为NSCLC的II、III、IV期初治患者。通过医院病历系统获得患者性别、年龄、身高、体重、吸烟指数、病理类型、TNM分期、KPS评分、治疗过程及初始治疗前的外周血细胞计数和生化指标等,并计算出患者体重指数（body mass index,BMI）、预后营养指数（prognostic nutritional index,PNI）、血小板淋巴细胞比值（platelet to lymphocyte ratio,PLR）、中性粒细胞淋巴细胞比值（neutrophil to lymphocyte ratio,NLR）、系统免疫-炎症指数（system immune-inflammation index,SII）。通过医院门诊及住院病历系统、电话形式进行随访,随访截止时间为2021年8月1日,患者确诊为NSCLC的日期为时间零点,因肺癌死亡为结局事件,随访截止时间仍存活为截尾事件,生存时间（Overall Survival,OS）即从时间零点开始直至发生结局事件或截尾事件的时间。应用Xtile软件计算出以上PNI、PLR、NLR、SII的最佳临界值,得出PLR临界值是121.6、NLR临界值是3.4、SII临界值是735.5、PNI临界值是41.9,最后根据变量信息对患者进行分组。将全部患者按照7:3的比例随机划分为训练集（n=275例）和测试集（n=108例）,采用R软件在训练集基础上创建预后模型:首先进行COX单因素分析,然后将P＜0.1的变量进行基于AIC准则的多因素COX逐步回归,得出P＜0.05的变量并在此基础上建立列线图预后模型。之后,在测试集上通过校准度和区分度两方面对模型进行检验:校准度通过绘制校正曲线直观体现,区分度通过计算模型C-指数和ROC曲线下面积来衡量。根据列线图预测评分将患者分为低危、中危、高危组三层,绘制三层患者的生存曲线来描述观察各个风险分层之间的关系。根据风险分层,分析NSCLC相关预后因素在各风险分层的分布情况。结果:1.将393例患者按照7:3的比例随机划分为训练集（n=275例）和测试集（n=118例）,比较训练集和测试集两组中变量的差异,发现均无统计学差异。2.在训练集中,COX单因素分析结果显示:性别、T分期、N分期、M分期、手术、放疗、吸烟指数、KPS评分、LDH、PNI、NLR及SII水平与NSCLC患者预后有关（P＜0.1）。多因素分析确定性别、T分期、N分期、手术、放疗、PNI、KPS评分为影响NSCLC的独立预后危险因素（P＜0.05）。在此基础上建立列线图预测模型。3.在测试集对模型进行内部验证,模型的校准曲线接近45度斜角线,说明预测生存率与实际生存率接近。训练集中的C指数为0.721,测试集中C指数为0.687,模型预测生存期的准确性的受试者工作特征曲线下面积（the area under receiver operator characteristic curve,AUC）分别为0.626（95%CI:0.533-0.718）、0.749（95%CI:0.665-0.833）、0.633（95%CI:0.568-0.698）,说明预测模型的区分度好。我们根据列线图评分,分别将训练集和测试集的患者分成三组,得分＜209为低风险组,209-288为中风险组,＞288为高风险组,生存曲线提示三层患者预后有明显差异（P＜0.001）。结论:1.列线图的C-index分别0.721、0.687,该模型准确性较高,为评估NSCLC患者的预后提供了一个可视化参考。2.男性、T分期晚、N分期晚、未接受手术、未行放疗、KPS评分低、PNI低是NSCLC患者预后较差的独立因素。3.列线图评分小于209分的患者属于低风险组,其预后相对较好;评分大于299的患者属于高风险组,其预后相对较差。