目的筛选阿尔茨海默病(AD)早期风险因子,通过二分类logistic回归和ROC曲线分析建立统计学诊断模型,进行诊断学评价。方法根据早期诊断和24个月诊断比较结果,将52例基线诊断正常(HC)的患者分为HC未进展组(HCnc)45例、HC进展组(HCc)7例;将93例基线诊断轻度认知功能障碍(MCI)的患者分为未进展组(MCInc)50例、MCI进展组(MCIc)43例。分别对HCnc组和HCc组、MCInc组和MCIc组进行差异性检验筛选风险因子,并构建二分类logistic回归诊断模型。结果经差异性检验分析,HCnc组和HCc组中β-淀粉样蛋白1-42(Aβ1-42)、右侧海马体积(R-hippo)、后扣带回皮质灰度(PCING)具有显著性差异(P<0.05),经二分类logistic回归分析得到统计学诊断模型,模型对HCc的预测准确率为42.9%,HCnc的预测准确率为97.8%,总体预测准确率为90.4%,ROC曲线分析得到Aβ1-42、R-hippo、PCING以及曲线下面积(AUC)分别为0.722、0.756、0.879、0.930;MCInc组和MCIc组中MMSE得分、AD认知行为评分(ADAS-cog)、R-hippo、顶叶皮质灰度(PRT)以及PCING具有显著性差异(P<0.05),经二分类logistic回归分析得到统计学诊断模型,模型对MCIc的预测准确率为65.1%,MCInc的预测准确率为74.0%,总体预测准确率为69.9%,ROC曲线分析得到MMSE、ADAS-cog、R-hippo、PRT、PCING以及模型AUC分别为0.623、0.652、0.618、0.629、0.661、0.694。结论应用二分类logistic回归建立的统计学诊断模型能有效地对AD早期风险进行评估。