目的明确乳腺癌患者癌因性疲乏的独立危险因素,构建乳腺癌患者癌因性疲乏风险预测模型并对模型进行评估验证,以期为乳腺癌患者癌因性疲乏的预测提供一个较为科学、便捷的评估工具。方法基于文献回顾了解乳腺癌患者癌因性疲乏的影响因素,确定其备选预测因子;基于备选预测因子,以取便利抽样法收集于2020年12月至2021年12月就诊于十堰市太和医院的乳腺癌患者的相关信息。按照纳入研究的先后顺序,前70%患者（模型构建组）的相关资料用于风险预测模型的的构建与内部评价,后30%患者（模型验证组）的相关资料用于模型的外部验证。以美国国立癌症综合网络（NCCN）推出的最新的（2018年版）癌因性疲乏的定义为诊断标准,将乳腺癌患者分为疲乏组和非疲乏组,以患者是否发生癌因性疲乏为因变量,备选预测因子为自变量,对模型构建组中的数据进行单因素Logistic分析和多因素Logistic分析,筛选出乳腺癌患者癌因性疲乏的独立影响因素;根据筛选出的独立影响因素的偏回归系数构建乳腺癌患者癌因性疲乏的风险模型并对模型进行内部评价与外部验证,即用ROC曲线下面积评估模型的区分度,用Calibration校准曲线分析评估模型的准确度,用DCA决策曲线分析评估模型的临床实用性。结果1乳腺癌患者癌因性疲乏的基本情况共纳入240例乳腺癌患者,模型构建组168例,验证组72例。240例乳腺癌患者中发生癌因性疲乏的患者有149例,其中模型构建组发生癌因性疲乏的患者有110例（65.5%）,验证组中发生癌因性疲乏的患者有39例（54.2%）,本研究中乳腺癌患者CRF的整体发生率为62.1%。2模型构建组与模型验证组的均衡性比较对模型构建组与模型验证组的一般人口学资料、疾病相关资料以及相关实验室指标进行分析,P值均大于0.05,两组基线资料差异无统计学意义,说明两组的同质性好,具有可比性,可以用验证组的资料中对模型进行验证。3乳腺癌患者癌因性疲乏风险预测模型的构建多因素Logistic回归分析结果表明焦虑、抑郁是乳腺癌患者癌因性疲乏的独立危险因素;构建的乳腺癌患者癌因性疲乏模型为:Logit（P）=-2.08-0.54X1+0.15X2+0.20X3=-2.08-0.54*医保类型+0.15*焦虑+0.20*抑郁。4乳腺癌患者癌因性疲乏风险预测模型的内部评价与外部验证在模型构建组中,ROC曲线下面积为0.832（95%CI:0.72-0.92）,C-Index为0.824（95%CI:0.766-0.898）,两个指标均表明预测模型能较好的区分癌因性疲乏患者与非癌因性疲乏患者;Calibration校准曲线拟合良好（U:p=1.00＞0.05）且Hosmer-Lemeshow拟合优度检验中χ~2=2.592（P=0.274＞0.05）,表明模型的预测出乳腺癌患者发生癌因性疲乏的风险与其实际风险趋于一致;DCA决策曲线分析显示阈值在2%～9%、15%～95%以及97%～99%之间时,使用本模型净获益更好;以ROC曲线中约登指数最大（0.336）时选取模型的最佳临界值为0.595,此时的模型灵敏度为0.741、特异度为0.595。模型的外部验证中,ROC曲线下面积为0.819（95%CI:0.721-0.918）,Calibration校准曲线一致性较好（U:p=0.471＞0.05）,DCA决策曲线分析表明当阈值在5%～90%及93%～97%之间时该模型的临床实用性较好。结论构建的乳腺癌患者癌因性疲乏风险预测模型区分度、准确度及临床实用性较好,可作考虑为一个评估、预测工具帮助医务人员尽早识别乳腺癌癌因性疲乏的高危人群。