Objetivo: construir um modelo de predição de risco para exacerbações agudas frequentes da doença pulmonar obstrutiva crônica (DPOC) sob um modelo combinado de sintomas e síndromes, fornecendo suporte à decisão clínica para intervenções precisas. Métodos: inclusão retrospectiva de 2029 pacientes hospitalizados com exacerbações agudas de DPOC no Primeiro Hospital Afiliado da Universidade de Medicina Tradicional Chinesa de Anhui entre janeiro de 2020 e agosto de 2024. Os pacientes foram divididos em grupo de exacerbações agudas frequentes (≥2 vezes/ano) e grupo não frequente (<2 vezes/ano) com base no número anual de hospitalizações. Fatores de risco foram selecionados usando regressão LASSO combinada com regressão logística, foi construído um modelo de nomograma e o desempenho avaliado pela área sob a curva (AUC), curva de calibração e curva de decisão clínica (DCA). Resultados: não houve diferenças estatisticamente significativas nas características basais entre o grupo de exacerbações agudas frequentes (1196 casos) e o grupo não frequente (833 casos). A regressão LASSO combinada com regressão logística multivariada identificou fatores de risco independentes como índice de massa corporal (IMC), dias de internação, anos de tabagismo, local de residência, uso de ventilação não invasiva, necessidade de oxigenoterapia, cirrose hepática, uso de glicocorticóides sistêmicos e padrão da medicina chinesa (obstrução pulmonar por fleuma e estase sanguínea). O modelo de nomograma demonstrou boa discriminação e calibração tanto na coorte de treinamento (AUC=0,748) quanto na de validação (AUC=0,774). Conclusão: o modelo de predição de risco de exacerbações agudas frequentes de DPOC integrado com os síndromes da medicina chinesa possui alta precisão e pode fornecer uma base científica para a identificação precoce de pacientes de alto risco e intervenções individualizadas na clínica.

exacerbação aguda da doença pulmonar obstrutiva crônica; exacerbações agudas frequentes; nomograma; modelo preditivo clínico; combinação de sintomas e síndromes