目的構建卒中后癲癇發作預測模型，探討導致卒中后癲癇發作的危險因素。方法回顧性分析中江縣人民醫院 2020 年 7 月—2022 年 9 月入院的符合納排標準的1 741例卒中患者，隨訪卒中發生后 1 年內是否發生了卒中后癲癇發作。記錄患者性別、年齡、診斷、美國國立衛生研究院卒中量表（National institute of health stroke scale，NIHSS）評分、日常生活活動（Activity of daily living，ADL）評分、檢驗、影像檢查數據。以是否發生卒中后癲癇發作為結果，對上述數據進行分析。采用最小絕對收縮和選擇算子（Least absolute shrinkage and selection operator，LASSO）回歸分析篩選預測變量，進行多因素Logistic 回歸分析。按7∶3的比例將數據隨機拆分為訓練集與驗證集，并構建模型、計算C指數、繪制列線圖、校準圖、受試者工作特征曲線、決策曲線，進而評估模型的性能及臨床應用價值。結果LASSO回歸篩選得到了NIHSS評分、同型半胱氨酸（Homocysteine，Hcy）、天門冬氨酸氨基轉移酶（Aspartate aminotransferase，AST）、血小板計數、高尿酸血癥、低鈉血癥、額葉病灶、顳葉病灶、橋腦病灶9個系數非零的預測變量。多變量邏輯回歸分析顯示，NIHSS評分、Hcy、高尿酸血癥、低鈉血癥、橋腦病灶與卒中后癲癇發作呈正相關，AST、血小板計數與卒中后癲癇發作呈負相關。建立了用于卒中后癲癇發作預測的列線圖。訓練集與驗證集C指數分別為0.854［95%CI（0.841，0.947）］、0.838［95%CI（0.800，0.988）］，ROC曲線下面積分別為0.842［95%CI（0.777，0.899）］、0.829［95%CI（0.694，0.936）］。結論這9個變量有可能用于卒中后癲癇發作的預測，同時，提供了關于其危險因素的新見解。