目的建立基于人工神经网络(ANN)的剖宫产术后再次妊娠阴道分娩(VBAC)预测模型,并比较该模型与Logistic回归模型的预测能力。方法选取2015年1月-2017年12月在青岛市城阳区人民医院住院并剖宫产后阴道试产(TOLAC)的孕妇为研究对象,根据是否成功阴道分娩,将产妇分为VBAC组(354例)和重复剖宫产组(RCS,76例)。采用SPSS 24. 0软件包ANN模块中的多层感知器(MLP),构建预测VBAC的最佳ANN模型。输入参数设为:分娩年龄、孕期体质量增加量、孕周、孕次、第一产程时间、有无剖宫产指征、是否人工破膜、有无脐带绕颈、是否患有妊娠期糖尿病(GDM)、Bishop评分、胎儿双顶径和股骨长度,共12个变量。输出参数设为:分娩方式。并采用逐步向后二元Logistic回归对以上指标进行分析,构建预测模型。以实际分娩方式作为金标准,比较两种预测模型的曲线下面积(AUC)是否存在差异。结果产妇年龄越小、孕期体质量增加较少、无剖宫产指征、自然破膜以及Bishop评分越高的妇女VBAC的可能性越高,差异有统计学意义(P<0. 05)。ANN模型和Logistic回归模型AUC分别为0. 850 (95%CI:0. 804～0. 897)和0. 810 (95%CI:0. 756～0. 863),表明这两种预测模型都具有较高的预测能力。虽然ANN预测模型与Logistic回归预测模型AUC差异无统计学意义,但是ANN预测模型的预测能力稍高于Logistic回归模型。结论运用ANN构建VBAC预测模型具有较高的预测能力,不仅可为VBAC风险预测提供基础理论和方法支持,也有利于早期筛选适合TOLAC的孕妇以及早期发现剖宫产术后再次妊娠妇女子宫破裂的倾向,具有广阔的应用前景。