目的建立低增生性骨髓增生异常综合征（hypo-MDS）与再生障碍性贫血（AA）鉴别诊断的Logistic回归模型并探讨其应用价值。方法回顾性收集2010—2016年中国医学科学院血液病医院住院的111例hypo-MDS患者和181例AA患者的临床及实验室检查资料,将样本数据按8:2随机分为模型建立组和模型验证组,建立Logistic回归模型,以受试者工作特征（ROC）曲线下面积、灵敏度、特异度等指标评价模型鉴别诊断效果。结果hypo-MDS组患者外周血白细胞计数、血小板计数、网织红细胞比例,骨髓细胞中CD₃^-CD⁺₅₆自然杀伤细胞（NK）和CD₃⁺CD₅₇⁺T大颗粒淋巴细胞（T-LGL）所占比例,髓片中性杆状核粒细胞、中性分叶核粒细胞所占比例以及外周血髓系原始细胞、幼稚粒细胞、成熟单核细胞和幼稚红细胞所占比例高于AA组;红细胞计数、骨髓细胞中CD₁₉⁺B细胞所占比例、髓片淋巴细胞所占比例、外周血成熟淋巴细胞所占比例低于AA组（P<0.05）。非条件Logistic回归分析结果显示,红细胞计数和成熟淋巴细胞所占比例越高患AA的风险越高,中性分叶核粒细胞、髓系原始细胞和CD₃⁺CD₅₇⁺T-LGL所占比例越高患hypo-MDS的风险越高（P<0.05）。Logistic回归模型为:Logit（P）=1.293-0.584X1-0.060X2+0.055X3+0.561X4+0.059X5。模型建立组ROC曲线下面积为0.852,灵敏度为84.6%、特异度为78.9%;模型验证组ROC曲线下面积为0.899,灵敏度为90.0%、特异度为84.6%。结论应用Logistic回归分析建立的hypo-MDS和AA鉴别诊断模型,预测准确率高,有助于医生对两种疾病的鉴别诊断。