【背景】慢性阻塞性肺疾病（COPD）的发病机制非常复杂,其潜在的细胞和分子机制仍未完成阐明,对临床诊疗带来了诊断、预后、治疗和管理等诸多方面的挑战。慢性阻塞性肺疾病急性加重（AECOPD）对患者的健康状况、疾病进展和预后有重要影响。病情恶化的频率、严重程度导致住院天数（LOS）的延长的风险增加,给患者及医疗负担带来了一定的高成本和高负担。基于COPD的异质性,嗜酸性粒细胞（EOS）表型阈值的探索有助于精准治疗。目前医疗健康大数据快速发展,有利于我们发现临床疾病的潜在特点。因此我们基于医疗大数据平台获取AECOPD数据集,建立AECOPD期患者长LOS及对EOS的探索,可能有助于更好地诊治COPD患者,缩短住院时间,减少经济负担。【方法】我们基于呼吸健康医疗大数据平台获取AECOPD住院患者,回顾性分析我院首次接受住院治疗的AECOPD患者进行描述性分析。在模型研究中纳入首次因AECOPD住院患者,收集其人口学信息、实验室检验结果、LOS、是否转入ICU、住院费用指标,核查AECOPD数据集的缺失和异常值,进行数据生产溯源,以提高数据准确性。数据清洗和数据质量管理后的数据集,对长LOS作为因变量构建评估模型,采用单因素logistic分析和逐步回归多变量logistic回归分析筛选出有意义的预测因子,并建立最佳的评估预测模型。基于EOS阈值,对不同组间的AECOPD患者的LOS、重症监护室（ICU）、死亡结局采用logistic回归作相关性分析。组间比较均采用Wilcoxon符号秩和检验和卡方检验进行统计学差异评估。通过OR和95%CI估计长LOS、ICU组和预测因子之间的关联强度,诊断效能采用敏感度、特异度和受试者工作特征（ROC）曲线下面积（AUC）评估。p值＜0.05表示存在显著的统计学差异。【结果】1.从呼吸健康大数据平台中获取AECOPD住院患者数据集,对数据异常或缺失问题产生的原因进行总结分析,并基于数据质量问题提出相应改进策略,分别是建立医疗数据质量标准体系,对数据进行质量控制如历史数据的优化、新产生数据的处理与质量控制,加强数据质量管理组织机构和人才建设、加强对疾病的综合评估以指导治疗。本研究总共筛查出11,659份病历,共6,845例患者,采集信息包括基本信息、实验室检查、LOS、是否转入ICU、治疗情况、临床结局。2.单因素logistic分析表明,高龄、女性、使用全身用糖皮质激素、使用抗生素、增高的中性粒细胞计数（NE）、减低的淋巴细胞计数（LY）和D-二聚体（D-D）,以及异常的酸碱度（p H）和二氧化碳分压（PCO2）与长LOS呈显著正相关（p＜0.05）。p值＜0.05变量建立评分的评估模型,该评分模型的ROC曲线评估效能尚可,AUC为0.635。3.本研究中EOS的相关性分析,在EOS绝对值≥100 cell/ul组患者出现长LOS、入住ICU、出现死亡,均比＜100 cell/ul组发生风险低。在EOS比率中≥3%组与＜1%组的患者比较,出现长LOS、入住ICU风险低,而出现死亡方面无统计学意义,在死亡方面,1%≤EOS比例＜3%这一组的发生风险比与＜0.1%组低。【结论】本研究探索了基于呼吸健康大数据平台数据汇集的AECOPD住院患者数量,对因AECOPD首次在我院住院患者进行长LOS模型建立,获得较好的评价效能。对长LOS患者的预测变量均为客观实验室检验结果,可用于基层医疗卫生机构,便于基层医生早期识别AECOPD出现长LOS的风险。AECOPD住院患者EOS绝对值＜100 cell/ul组比≥100 cell/ul组出现长LOS、入住ICU、发生死亡的风险高,同时EOS比率＜0.1%组比≥3%组发生长LOS、转入ICU风险高。