本研究旨在识别TCZ良好应答的预测因素，并构建预测模型（列线图），为临床治疗决策提供工具。

本研究为回顾性队列分析，纳入156例RA患者，比较基线特征、疾病活动度指标及治疗变量。通过单因素与多因素Logistic回归识别独立预测因子，并据此构建列线图模型。模型的性能通过C指数、ROC曲线和校准曲线进行评估。和决策曲线分析。

良好应答组（n=89）较无应答组（n=67）呈现年龄更小，更高MTX联合使用率（85.4% vs. 64.2%）、更长TCZ治疗时间（+4.9周），且基线疾病活动度更低（DAS28-CRP: 5.6 vs. 6.1；CDAI: 36.7 vs. 43.4；均P<0.05）。多因素分析显示，年龄低（OR=0.963）、MTX联合使用（OR=3.017）、延长TCZ治疗（OR=1.274）、较低CDAI（OR=0.930）为独立预测因子。列线图表现出优异的判别力（C指数=0.815，AUC=0.835）与良好的校准性（Hosmer-Lemeshow P=0.257），在多种决策阈值下具有临床应用价值。

年龄较小、MTX联合治疗、延长TCZ疗程及较低基线疾病活动度是预测良好TCZ应答的关键因素。所构建的列线图为RA个体化治疗提供了可视化且实用的临床工具。