ANTECEDENTES: El síndrome de robo del acceso de diálisis (DASS) es una complicación grave de la cirugía de acceso vascular. Este estudio tuvo como objetivo identificar los factores de riesgo clave y desarrollar un modelo de predicción interpretable para la evaluación temprana del riesgo en pacientes con enfermedad renal en etapa terminal (ESRD). MÉTODOS: Este estudio retrospectivo analizó a 324 pacientes con ESRD (marzo de 2023-junio de 2025). La selección de características se realizó mediante regresión LASSO combinada con SHapley Additive exPlanations (SHAP). Los factores de riesgo independientes se identificaron mediante regresión logística multivariable, con robustez confirmada por análisis de sensibilidad y valores E. Las splines cúbicas restringidas (RCS) exploraron asociaciones no lineales, mientras que los análisis estratificados por IMC y de interacción evaluaron la modificación del efecto. El rendimiento del modelo se validó utilizando AUC, bootstrapping de 1000 muestras y validación cruzada de 10 pliegues. RESULTADOS: El DASS ocurrió en 86 pacientes (26.5%). La Puntuación de Fragilidad de Fried (FFS) emergió como el contribuyente más significativo. El análisis multivariable identificó FFS, IMC, duración de la ERC, sarcopenia, presión arterial distal (DAP) y experiencia quirúrgica como predictores independientes. El análisis RCS identificó umbrales críticos: IMC 23.3 kg/m2, DAP 66 mmHg y duración de la ERC 8.2 años. Notablemente, el IMC ejerció una modificación del efecto significativa (P de interacción < 0.05); FFS, sarcopenia, DAP y duración de la ERC se asociaron significativamente con DASS solo en el grupo de IMC bajo/normal. El modelo final demostró una excelente discriminación (AUC = 0.934) y estabilidad (puntuación de Brier = 0.085; índice C = 0.931). Los pacientes de alto riesgo mostraron una incidencia de DASS significativamente mayor que los pacientes de bajo riesgo (50.00% vs. 3.09%, p < 0.001). CONCLUSIÓN: FFS, sarcopenia, IMC, DAP y duración de la ERC son predictores centrales de DASS. El IMC actúa como un modificador de efecto clave, influyendo particularmente en el impacto de los indicadores funcionales y hemodinámicos. Este modelo de alto rendimiento proporciona una base científica para el cribado preoperatorio personalizado y la intervención clínica.