目的运动波动是帕金森病患者疾病进展的重要标志之一。运动波动指患者对帕金森病药物的治疗反应和药效稳定性下降,是帕金森病患者后期残疾的重要原因之一,并常导致患者产生一系列精神心理问题。因此早期识别并及时处理显得尤为重要。本研究旨在分析帕金森病患者运动波动的风险因素并构建无运动波动生存的预测模型。从而产生可以应用于临床的无运动波动生存预测工具。方法本研究是一项基于PPMI数据库的回顾性研究。原始数据来自于2021年11月15日对PPMI数据库原始数据的访问与下载。分析8年内是否发生运动波动的两组患者各变量分布情况并绘制KM曲线。将数据随机分组,生成训练集和验证集。应用单因素COX回归筛选变量后向后逐步多因素回归筛选出9个变量作为模型1。应用LASSO回归后向后逐步多因素回归筛选出8个变量作为模型2。进而针对两种模型分别进行受试者工作特征曲线分析、校准曲线分析、决策曲线分析,最终选择模型2绘制Nomogram图。结果经筛选后最终纳入401例患者。依据7:3的比例将数据随机分组为包含280个患者的训练集和包含121个患者的验证集。模型2在训练集和验证集的2年（0.69,0.73）、4年（0.72,0.72）、7年（0.76,0.70）的无运动波动AUC均高于模型1。在校准曲线分析中,模型2在训练集中的4年、7年的无运动波动生存概率预测优于模型1。训练集中2年、4年的无运动波动生存概率预测优于模型1。在决策曲线分析中,模型2在训练集和验证集的2年、4年、7年预测的更大风险阈值范围内临床获益优于模型1。经过2种模型的比较分析后选择了模型2。模型2包含8种变量,分别是年龄≤57.23,MDS-UPDRS I≤3,MDS-UPDRS II≤9,MDS-UPDRS III≤32,Aβ1-42≤1333,血清尿酸≤269,p-tau/t-tau≤0.078,对侧纹状体结合率≤2.05。模型2的验证集的C指数为0.688,表明模型2对帕金森病患者运动波动的发生时间具有一定的预测能力。最后将模型2可视化为Nomogram图方便临床应用。结论本研究通过对公共数据库的数据分析探索了帕金森病运动波动的风险因素,从而为进一步的有关帕金森病的发病机制研究提供临床基础。在本研究中构建的预测模型可以一定程度预测发生运动波动的时间,进而通过临床实践应用来分析帕金森病的进展,为早期及时干预延缓帕金森病发展提供参考。