生物制剂经治类风湿关节炎患者向难治性病程进展的多变量预测模型构建与外验证

本研究针对约20%类风湿关节炎(RA)患者因多次治疗失败发展为难治性RA(D2T-RA)却缺乏预测工具的临床困境，开发并验证了首个基于随机生存森林算法的多变量预测模型。研究团队通过两大独立观察性队列（衍生队列700人/验证队列2070人）证实模型具有中等判别效能（C-index=0.643/0.620），发现功能状态恶化、疼痛、疲劳和整体疾病活动度是关键预测因子，为早期识别高风险患者提供了重要工具。

　　

通过采用随机生存森林(Random Survival Forests)算法，研究人员针对接受首种生物制剂/靶向合成抗风湿药(b/tsDMARD)治疗的类风湿关节炎(RA)患者群体，开发了预测难治性RA(D2T-RA)进展的多变量模型。该研究严格遵循EULAR 2021标准定义D2T-RA，在衍生队列（700例，16%进展为D2T-RA）和验证队列（2070例，28%进展为D2T-RA）中分别获得0.643（95%CI 0.585-0.698）和0.620（95%CI 0.596-0.643）的C-index值。校准测试显示模型整体具有中等预测能力，其中功能状态恶化、疼痛加剧、疲劳程度和总体疾病活动度被确认为最稳定的核心预测指标。研究成果凸显了精准预测D2T-RA的临床挑战，强调需通过整合新型生物标志物进一步提升模型性能。