[背景]自发性脑出血（Spontaneous intracranial hemorrhage,s ICH）是脑实质内的非创伤性出血,最常见病因为高血压,卒中第二常见的一种严重的疾病,通常会导致严重的残疾或死亡,占所有脑卒中的20%,但却占全世界卒中死亡人数的近50%,迄今为止,无论神经内科还是外科的治疗效果并不令人满意,多个危险因素影响着ICH患者的预后情况。这其中16%～38%的脑出血患者会发生血肿增大,早期血肿增大是脑出血患者预后转差最常见的病因,目前但对于血肿增大的评价方法及定义并没有国内外统一的、普遍的标准。[目的]通过logistics回归分析阐明影响脑出血血肿增大的独立危险因素,创建预测脑出血早期血肿增大的logistics回归预测模型,探究可能引起脑出血患者早期血肿增大的影响因素,为了今后脑出血的诊疗提供理论依据。[方法]回顾性地纳入广州医科大学附属第六医院数据完整的脑出血患者,共150例,以24小时内复查CT平扫结果是否提示患者血肿相对体积增大33%或绝对体积增大6 ml进行分组,其中65例自发性脑出血纳入血肿增大组,85例自发性脑出血患者未出现血肿增大,纳入非血肿增大组,详细收集患者一般情况、既往服药史、起病入院当日实验室指标、连续的NCCT检查结果等多项指标,并将其通过医学统计学软件SPSS 25.0进行单因素分析,对于组间差异存在且具有统计学意义的危险因素纳入最终logistics回归分析并构建回归模型。通过受试者工作曲线（ROC）分析回归模型预测能力的敏感度、特异度,结合ROC曲线下面积AUC值比较不同预测模型之间的预测效能,并比较单一预测指标的预测效能与多指标联合诊断时的预测效能。[结果]经过SPSS 25.0单因素分析结果显示,组间差异存在统计学意义（P<0.05）的危险因素包括:GCS评分,空腹血糖FPG,血总胆固醇CHOL,高密度脂蛋白HDL,低密度脂蛋白LDL,初始血肿体积V0,既往抗凝药服用史;既往抗血小板;Barras等学者提出的对NCCT血肿的形态分级及血肿密度分级;血肿不规则型及血肿密度不均质型;放射冠出血;丘脑出血;出血伴破入脑室等指标。经过二分类logistics回归分析得出自发性脑出血血肿增大独立影响因素包括:既往使用抗凝药物（OR4.855,95%CI:1.102-21.38,P=0.037<0.05）;既往抗血小板聚集（OR3.831,95%CI:1.089-13.472,P=0.036<0.05）,血肿形态分级（包括岛征、卫星征、血肿不规则）（OR2.481,95%CI:1.429-4.308,P=0.001<0.05）,密度分级（OR2.28,95%CI:1.312-3.963,P=0.003<0.05）,根据NCCT患者血肿形态分级每增加1级,出现血肿增大的风险则提高2.481倍,密度分级每增加1级,出现血肿增大的风险增提高2.28倍,而GCS评分,作为临床上应用频率最高使用最广泛的对于ICH患者病情严重程度的评价标准,评分越高常常预示着更良好的预后,而在预测HE方面则作为一个保护因素,分值越高的ICH患者出现HE的风险则越低（OR0.797,95%CI:0.671-0.947,P=0.01<0.05）,高密度脂蛋白HDL作为动脉硬化预防因子,在血清中的含量越高,则ICH患者出现HE的风险亦越低（OR0.116,95%CI:0.025-0.534,P=0.006<0.05）。本次研究通过二分类logistics回归分析所构建回归模型,模型与数据的拟合程度高,Hosmer and Lemeshow Test检验结果显示,P=0.582,模型预测效能良好,诊断率约84.6%。通过受试者工作曲线（ROC）分析,采用Barras分级量表对ICH患者血肿形态密度分级方式进行回归模型的构建时,其ROC曲线下面积:AUC值均在0.5-1.0之间,AUC:0.907,预测效能良好,本次logistics回归模型构建时我们采用Barras分级标准对ICH患者血肿形态及密度进行分级。[结论]患者既往病史曾长期抗凝药服用史、抗血小板聚集药物服药史,入院时GCS评分较低,意识障碍程度较高,血清高密度脂蛋白浓度偏低,以及CT影像学结果包含以下特征表现:如血肿混杂密度,血肿形状不规则,均是可以导致脑出血后出现血肿增大的独立危险因素。采用Barras、Boulouis等学者提出的分级量表时,脑出血患者血肿形态、密度的分级越高,患者出现早期血肿增大的风险越高。多指标联合的预测模型对自发性脑出血早期出现血肿增大的预测效能良好,ICH患者合并多个危险因素时,出现血肿早期增大的风险更高。