中性粒细胞与淋巴细胞的比率预测住院患者的痛风复发:一个大规模的多中心回顾性队列与机器学习验证
Hui Zhang1,2, Jiani Liu1,2, Ruifeng Lin1,2
1Department of Rheumatology and Immunology, Nanfang Hospital, Southern Medical University, Guangzhou, Guangdong, China.
Frontiers in immunology
|November 26, 2025
概括
升高的中性粒细胞与淋巴细胞比率 (NLR) 独立预测住院患者的痛风复发. 这种可访问的标志物超越了传统的生物标志物,改善了痛风管理策略.
科学领域:
- 类风湿病学 类风湿病学
- 炎症标志物的炎症标志物
- 生物统计学 生物统计学
背景情况:
- 中性粒细胞与淋巴细胞的比率 (NLR) 是系统性炎症的公认指标.
- 它对预测住院病人的痛风复发和与已确定的生物标志物进行比较的预后效用还不清楚.
研究的目的:
- 调查NLR与住院痛风复发风险之间的关联.
- 为了比较NLR与血清尿酸 (UA) 和C反应蛋白 (CRP) 等传统生物标志物的预测性能.
主要方法:
- 国际,多中心回顾性队列研究,涉及来自GoutRe和MIMIC-IV队列的住院痛风患者.
- 利用受限立方线,考克斯回归和竞争风险模型来分析NLR与痛风复发的关联.
- 评估模型性能使用C统计,净重新分类改进,决策曲线分析和机器学习算法进行外部验证.
主要成果:
- 较高的NLR (>2.69) 独立地与住院病人的痛风复发风险增加有关 (HRs 2.05-2.84,P < 0.001).
- 与UA和CRP相比,NLR的预测性能优于UA和CRP (AUC为0.62对0.59-0.61),与UA (AUC为0.65) 相结合时,准确性提高.
- 预测值在不同患者子组中一致,机器学习模型证实了NLR的强度.
结论:
- 升高的NLR是一个强大的和可访问的生物标志物,用于预测住院患者的痛风复发.
- 将NLR整合到临床风险模型中可以提高预测准确度,并有助于针对痛风复发的个性化预防策略.
更多相关视频
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
Published on: June 18, 2020
7.3K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
475
