目的 构建关于毛细支气管炎后发生反复喘息的Nomogram预测模型，为临床反复喘息的患儿提供更科学的防治和临床决策指导。方法 选取2022年1月至2022年12月于山东省临朐县人民医院儿科就诊并诊断毛细支气管炎的住院患儿作为研究对象，收集临床资料及呼出气一氧化氮（FeNO）等相关指标，出院后随访1年，根据随访期间是否发生反复喘息分为观察组（反复喘息）和对照组（未发生反复喘息）。将两组参数通过Lasso回归和单因素Logistic回归分析筛选出有意义的变量，纳入多因素Logistic回归分析，建立关于毛细支气管炎后发生反复喘息的Nomogram预测模型。采用Hosmer-Lemeshow拟合优度检验，计算C指数和受试者工作特征曲线下面积（AUC）,评价模型的准确性。应用决策曲线评价列线图的临床应用价值。结果 共85例患儿纳入本研究，其中观察组17例，对照组68例。在一般资料分析中发现，FeNO（P=0.048）和淋巴细胞计数（P=0.023）存在组间差异。分别纳入单因素Logistic回归分析和Lasso回归分析。单因素Logistic回归经过年龄和性别调整后，发现FeNO[OR=1.242,95%CI=（1.002,1.541）,P=0.048]和淋巴细胞计数[OR=1.428,95%CI=（1.028,1.985）,P=0.034],差异有统计学意义；Lasso回归分析，其最小均方误差的λ为0.042,对应模型的变量选择为FeNO和淋巴细胞计数。多因素Logistic回归方程建立预测毛细支气管炎反复喘息发生的Nomogram列线图模型后，Hosmer-Lemeshow检验χ²=3.881,P=0.868,C指数为0.706,FeNO和淋巴细胞计数AUC分别为0.654和0.674,表明该评分模型工作效果良好。决策曲线分析发现模型=反复喘息-FeNO+淋巴细胞计数具有较好的临床应用价值。结论 通过FeNO和淋巴细胞计数建立的关于毛细支气管炎后发生反复喘息的Nomogram预测模型具有较好的临床应用价值。