《Clinical, Cosmetic and Investigational Dermatology》：Routine Metabolic Laboratory Profile and Time-Stratified Machine-Learning Risk Stratification of Rosacea: A Combined Retrospective-Prospective Cohort Study
编辑推荐：
目的：玫瑰痤疮（rosacea）在病例对照研究中与系统性代谢异常相关，但多数证据比较玫瑰痤疮患者与健康对照，而非询问玫瑰痤疮人群内部哪些患者具有最大代谢负担。研究人员旨在描述真实世界玫瑰痤疮门诊队列的代谢谱，并构建时间分层、结局独立的机器学习模型，对哪些常规代
目的：玫瑰痤疮（rosacea）在病例对照研究中与系统性代谢异常相关，但多数证据比较玫瑰痤疮患者与健康对照，而非询问玫瑰痤疮人群内部哪些患者具有最大代谢负担。研究人员旨在描述真实世界玫瑰痤疮门诊队列的代谢谱，并构建时间分层、结局独立的机器学习模型，对哪些常规代谢指标预测代谢综合征（MetS）状态进行排序。患者与方法：研究人员开展了一项回顾性-前瞻性联合研究，纳入2021年3月至2026年3月在一家三级皮肤科门诊就诊的298例玫瑰痤疮门诊患者，贡献九项代谢指标的5420条实验室记录（重复测量；298例唯一患者）。结局为代谢综合征状态，采用改良NCEP-ATP III定义，包括空腹血糖（fasting glucose）、甘油三酯（TG）、血压和腰围（实验室变量）；随后将空腹血糖和TG从预测变量中排除；基于其余七项指标构建随机森林（random forest）分类器，在2021—2022年入组患者（n=164）中训练，并在2022—2023年入组的时间分层留出集（n=134）中评估。83例有≥2次随访的患者子集用于检查患者内随时间变化。结果：空腹血糖异常占记录的23.7%，TG异常占31.4%。代谢综合征患者（n=64，21.5%）具有更高的C反应蛋白（CRP）（6.8±3.1 vs 2.4±1.6 mg/L，P<0.001）和更高的严重度评分（14.2±3.5 vs 10.1±3.0，P=0.003）。在留出集上，随机森林模型达到受试者工作特征曲线下面积（AUC）0.734（95%置信区间[CI] 0.628–0.824），以CRP、总胆固醇（TC）、丙氨酸氨基转移酶（ALT）和糖化血红蛋白（HbA1c）为主要贡献因素。随访中空腹血糖变化与严重度评分变化相关（ρ=0.31，P=0.004）。结论：玫瑰痤疮门诊患者常显示与代谢综合征状态和临床严重度一致的系统性代谢紊乱。基于常规可用、非诊断性指标构建的机器学习模型在时间分层留出集上保留了判别能力，提示一种在该人群中标记代谢风险的低成本方法，但在临床使用前需要在独立、多中心队列中进行外部验证。
研究背景与问题：玫瑰痤疮（rosacea）是一种主要累及面中部的慢性炎症性皮肤病，病例对照研究和荟萃分析提示其常伴血脂异常、空腹血糖升高和C反应蛋白（CRP）升高等系统性代谢异常，且代谢综合征（MetS，一组以糖脂代谢异常、血压升高和中心性肥胖为特征的临床状态）本身与心血管疾病和2型糖尿病风险相关。现有证据多比较玫瑰痤疮患者与健康对照，样本量有限，且较少回答玫瑰痤疮人群内部哪些患者代谢负担最大；常规实验室面板（空腹血糖、血脂、肝酶、CRP）在玫瑰痤疮日常诊疗中未被充分利用。研究人员因此旨在描述真实世界门诊队列的代谢实验室谱，构建仅用非诊断性常规指标、以MetS状态为结局的机器学习风险排序模型，并在较晚入组患者中检验时间外推，同时观察患者内代谢与严重度轨迹。
研究设计与结论意义：研究人员在单中心三级皮肤科门诊开展回顾-前瞻性观察研究，纳入298例玫瑰痤疮门诊患者，采集5420条九项代谢指标记录；采用改良NCEP-ATP III定义MetS，并将空腹血糖和甘油三酯（TG）排除出预测变量，以随机森林（random forest，一种基于多棵决策树的集成分类器）对七项非诊断指标进行排序；以2021—2022年入组患者为训练集、2022—2023年入组患者为时间分层留出集，并以83例≥2次随访者分析患者内变化。研究结论为：门诊玫瑰痤疮患者常见糖代谢、脂质谱和系统性低度炎症紊乱，且与MetS状态和临床严重度一致；常规非诊断指标构建的模型在时间分层留出集保留中等判别能力，提示低成本代谢风险标记的可行性，但需外部验证。
关键技术方法（≤250字）：该研究为单中心三级皮肤科门诊（湖南省人民医院）的回顾-前瞻性观察。样本为2021年3月至2026年3月298例玫瑰痤疮门诊患者，贡献5420条实验室记录（九项代谢指标）；训练集为2021年7月—2022年6月入组164例，时间分层留出集为2022年7月—2023年12月入组134例；83例≥2次随访者用于患者内轨迹分析。采用随机森林（500棵树，五折交叉验证选深度7，最小叶5，中位数插补，类权重平衡），并与XGBoost、逻辑回归和径向基支持向量机比较；以AUC及1000次bootstrap 95% CI评价，分析使用Python 3.11、R 4.3.1、scikit-learn 1.4和XGBoost 2.0。
研究结果：
1. 队列组建与基线特征：通过回顾性病历和实验室记录组建298例门诊队列，女性251例、男性47例（5.3:1），平均年龄39.3±11.6岁，平均病程3.6±2.3年；红斑毛细血管扩张型56.0%、丘疹脓疱型39.3%、肥厚型4.7%；体重指数（BMI）24.1±3.0 kg/m
2；MetS阳性（MetS+）64例（21.5%），早期组20.7%、晚期组22.4%（P=0.66）。MetS+患者更年长、BMI更高、病程略长且达到临床改善所需就诊更多；男性MetS比例34.0% vs 女性19.1%（P=0.036）；亚型分布P=0.16。结论：真实门诊队列以女性为主，MetS约占五分之一，代谢负担与年龄、BMI和就诊需求相关。
2. 代谢实验室指标分布：通过5420条记录描述九项指标，空腹血糖异常23.7%，TG异常31.4%，总胆固醇（TC）异常27.5%，高密度脂蛋白胆固醇（HDL-C）低于下限19.8%，低密度脂蛋白胆固醇（LDL-C）高于上限24.6%，丙氨酸氨基转移酶（ALT）异常16.2%，天冬氨酸氨基转移酶（AST）异常9.5%，CRP≥8 mg/L者21.3%，HbA1c异常21.7%。结论：常规实验室中糖脂和炎症异常并不少见，部分患者存在未被识别的血糖异常。
3. 年龄分层代谢谱：通过年龄分层比较，空腹血糖均值从<30岁4.71±0.38升至30–44岁5.08±0.55和≥45岁5.68±0.69 mmol/L（趋势P<0.001）；TG和CRP也随年龄上升（P=0.02和P<0.001）；异常空腹血糖比例从9.2%升至33.7%（趋势P=0.002）。结论：代谢谱随年龄恶化。
4. 代谢指标间相关结构：通过Spearman相关，空腹血糖与TG（ρ=0.34）、HbA1c（ρ=0.58）、CRP（ρ=0.29）正相关；TG与TC（ρ=0.45）、LDL-C（ρ=0.33）正相关、与HDL-C（ρ=?0.31）负相关；TC与LDL-C（ρ=0.71）；ALT与TG（ρ=0.27）、AST（ρ=0.62）；CRP与ALT（ρ=0.19）、BMI（ρ=0.36）；AST与HDL-C无显著相关（ρ=?0.07，P=0.11）；Benjamini–Hochberg校正后除AST-HDL-C外均保持显著。结论：指标按可解释的生物学联系共变，并非单一紧密轴。
5. 基于机器学习的代谢风险建模：通过七项非诊断指标训练随机森林，训练集AUC 0.762（95% CI 0.666–0.844），时间分层留出集AUC 0.734（95% CI 0.628–0.824），准确率69.4%、敏感度63.3%、特异度71.2%；梯度提升留出AUC 0.721，逻辑回归0.683，支持向量机0.696；特征重要性CRP 0.218、TC 0.187、ALT 0.179、HbA1c 0.162、LDL-C 0.125、AST 0.084、HDL-C 0.045。结论：常规非诊断指标可在时间外推中保留中等判别力，CRP、TC、ALT、HbA1c贡献居前。
6. 代谢综合征状态与临床严重度：通过比较MetS+与MetS?，MetS+的CRP 6.8±3.1 vs 2.4±1.6 mg/L（P<0.001），空腹血糖和TG均更高（均P<0.001），达到临床改善所需就诊5.7±1.7 vs 4.2±1.3（P<0.001），复合严重度14.2±3.5 vs 10.1±3.0（P=0.003）；研究者整体评估（IGA）和玫瑰痤疮面积和严重度指数（RASI）单独分析方向一致。结论：MetS+患者代谢与临床负担更重，就诊次数差异的临床重要性不确定。
7. 前瞻性随访中的患者内代谢与严重度轨迹：通过83例≥2次随访者，MetS+空腹血糖6.21±0.84降至5.94±0.79 mmol/L（变化?0.27，P=0.008），MetS? 4.96±0.52至4.89±0.49（变化?0.07，P=0.21）；复合严重度MetS+ 14.2±3.5降至11.6±3.1（?2.6，P<0.001），MetS? 10.1±3.0降至8.3±2.7（?1.8，P<0.001）；空腹血糖变化与严重度变化相关（ρ=0.31，P=0.004）。结论：描述性提示代谢与皮肤严重度在个体内同向变化，未调整治疗暴露。
讨论总结：讨论指出玫瑰痤疮常伴糖脂和低度炎症异常，CRP在MetS+和特征重要性中突出；模型仅用常规、非诊断指标，时间分层留出集保留中等判别，具低成本筛查潜力；轨迹分析支持动态监测。局限包括单中心三级转诊、留出集样本量有限且非外部验证、复合IGA/RASI评分未外部验证、轨迹未调整治疗和时变因素、约半数随访保留、检验开单差异、中位数插补、校准和方向/阈值未评估，需多中心前瞻验证。
结论翻译：在这完全门诊队列中，玫瑰痤疮常伴糖代谢、脂质谱和系统性低度炎症紊乱，且这些紊乱与代谢综合征状态和临床严重度一致。代谢综合征患者在被判断玫瑰痤疮改善前需要约多1.5次门诊就诊（约多36%）；该差异的临床重要性不确定，但提示代谢状态可能与患者管理相关。基于七项常规可用实验室指标构建的随机森林模型——这些指标均未进入其所预测的代谢综合征结局定义——在较训练患者更晚入组的留出集上保留中等判别能力（AUC 0.734；95% CI 0.628–0.824），以CRP、TC、ALT和HbA1c为主要贡献因素。患者内随访数据进一步提示，在代谢综合征患者中空腹血糖和玫瑰痤疮严重度倾向一起改善，未来含治疗暴露数据的研究可更正式地检验这一模式。由于模型仅使用标准诊疗中已开具的检测，且评估时未重复使用定义其自身结局的变量，对于一种常见皮肤病——其代谢相关因素大多通过较小病例对照比较研究——该模型为低成本筛查信号提供了比单一随机训练-测试划分更可辩护的基础。结合该设计五年的回顾-前瞻性随访，这些发现提示包含空腹血糖、血脂、肝酶和CRP的简短代谢组合可能可合理加入玫瑰痤疮标准皮肤科检查，但需等待模型外部验证；在更广泛推荐该方法前，仍需更大规模、多中心、前瞻性研究。
