目的系统性硬化症(Systemic sclerosis/scleroderma,SSc),也称为硬皮病,是一种以局限性或弥漫性皮肤增厚或纤维化为特征,常累及引起心肺、肾脏、消化系统等多脏器和组织,致死率较高,预后较差的弥漫性结缔组织病。其中系统性硬化症相关肺动脉高压(systemic sclerosis-related pulmonary arterial hypertension,SSc-PAH)及系统性硬化症相关间质性肺病(Systemic sclerosis-associated interstitial lung disease,SSc-ILD)为SSc最常见的致死性并发症。但由于SSc患者的临床表现与预后具有较大的异质性,该病临床诊断和评估一直是临床医学亟待解决的难题。因此,本课题基于SSc患者的临床资料,挖掘影响患者预后的危险因素,探索性构建SSc预后模型、SSc-PAH及SSc-ILD预测模型,旨在为改善SSc患者预后,早期识别SSc患者重要并发症提供参考依据。方法收集2009年1月至2021年11月于空军军医大学第一附属医院临床免疫科住院和门诊的SSc患者相关病历资料,将患者分为局限型硬皮病(Limited cutaneous systemic sclerosis,lc SSc)、弥漫型硬皮病(Diffuse cutaneous sclerosis,Dc SSc)以及重叠综合征(Overlap syndrome,OS)三组。收集患者的一般资料和人口学特征、患Naporafenib IC50者临床表现、影像学资料以及实验室检查资料。基于门诊随访及电话随访获取患者的生存信息及长期预后情况。对收集到的患者资料进行描述性分析,并对比各SSc亚型患者特征间差异。以患者生存及预后特征,分为SSc患者生存队列、SSc-PAH与SSc-ILD队列。采用单因素Cox回归及多因素Cox回归模型筛选影响生存及SSc-PAH、SSc-ILD的因素,经过全子集回归选取赤池信息量准则最小的变量组合构建预测模型。同时,将单因素分析有意义的变量纳入并构建随机生存森林(random survival forest,RSF)与基于神经网络的Cox-Time模型。本研究采用一致性指数(C-index)或时间依赖性C指数(C~(td))衡量三种模型的区分度,以3年与5年的综合Brier分数(integrated Brier score)量化不同模型的预测误差。对于Cox与随机生存森林模型,进一步通过3年及5年时时间依赖的受试者工作曲线(time—dependent receiver operating characteristiccurve,td ROC)的曲线下面积(areaundercurve,AUC)评价模型预测的准确度。结果1.共纳入517份合格病例,其中女性437例(84.5%),男性80例(15.5%),dc SSc患者141例(27.3%),lc SSc患者239例(46.2%),OS型患者137例(26.5%)。2.各组患者在SSc-PAH、SSc-ILD、消化道受累等重要脏器受累的发生上未表现出显著差异。但OS亚型患者更多见肌肉关节受累及口眼干燥等症状,较易出现SSA、Ro-52抗体,且该组患者的白细胞Phage enzyme-linked immunosorbent assay、红细胞、血红蛋白、血小板均较其他组患者显著降低(P<0.05)。3.在SSc预后模型中,最优Cox回归模型纳入的变量为Rodnan评分(modified Rodnan skin score,m RSS)、肢端溃疡(Digital Ulcers,DU)以及并发SSc-PAH。上述变量分别对应的风险比(Hazard Rate,HR)及95%置信区间(Confidence Interval,CI)为1.06(1.01,1.10)、1.87(1.01,3.48)、3.80(2.07,6.98)。该模型C指数为0.77,3年与5年的IBS为0.15、0.18。td ROC的AUC分别为0.73、0.69。Cox-Time模型的C指数为0.79,IBS为0.09、0.11。随机生存森林模型的C指数为0.79,IBS为0.07、0.11,td ROC的AUC为0.74、0.70。4.SSc-PAH预测模型中,最优的Cox回归模型纳入的变量为OS亚型、合并DU、Ntpro-BNP水平、24小时尿蛋白定量、ESR。上述因素分别对应的HR及95%CI为1.73(1.07,2.81)、1.90(1.20,3.02)、3.57(2.16,5.92)、1.47(1.01,2.14)、1.01(1.00,1.02)。该模型C指数为0.83,3年与5年IBS为0.13、0.12。td ROC的AUC为0.82、0.77。Cox-Time模型的C指数为0.79,IBS为0.17、0.14。随机生存森林模型的C指数为0.82,IBS为0.12、0.16。3年、5年td ROC的AUC为0.86、0.83。5.SSc-ILD预测模型中,Ohttps://www.selleck.cn/products/Taurine.htmlS亚型、m RSS对SSc-ILD的进展有显著影响。结论不同亚型SSc患者在临床症状和自身抗体表达方面具有较强异质性,OS亚型可能更加需要及时诊断和更为系统的监测与随访。m RSS评分、合并DU、PAH是SSc患者预后的显著影响因素。OS亚型、NTpro-BNP、24小时尿蛋白定量、ESR升高、DU是SSc-PAH的显著影响因素。而OS亚型、m RSS是SSc-ILD进展的显著影响因素。随机生存森林模型可以提高对SSc患者预后及SSc-PAH预测的准确性,为临床诊疗提供参考。本文初步构建的预后模型和对分析方法的探索,对深入研究该病临床诊断、评估和影响预后的危险因素提供了必要的研究基础和便利条件。