探索原发性干燥综合征（pSS）合并间质性肺病（ILD）的危险因素，构建并验证pSS-ILD疾病风险预测模型，并进一步构建pSS-ILD疾病严重程度风险

研究对象为2016年6月至2024年9月于深圳市人民医院住院pSS患者，2022年1月至2025年8月于其他深圳市三甲医院住院pSS患者为外部验证集。根据胸部高分辨率CT（HRCT）诊断ILD，分为未合并ILD组（pSS-nILD）与合并ILD组（pSS-ILD），收集患者数据。采用logistic回归分析pSS合并ILD的危险因素，并采用限制性立方样图（RCS）及分段logistic回归方法分析全身免疫炎症指数（SII，血小板计数×中性粒细胞计数与淋巴细胞计数比值）的阈值效应。按7：3随机划分训练集和内部验证集，采用LASSO筛选变量，建立逻辑回归（LR）、随机森林（RF）、极端梯度提升（XGBoost）、决策树（DT）、朴素贝叶斯（NB）、多层感知机（MLP）、轻量级梯度提升（Lightgbm）7种机器学习预测模型。通过ROC曲线、校准曲线、决策曲线等评估模型，确定最优预测模型，并建立网页计算器。进一步，将多中心pSS-ILD患者的HRCT，根据Warrick评分分为轻度组和中重度组，采用多因素logistic回归分析ILD疾病严重程度的危险因素，并构建预测ILD疾病严重程度风险Nomogram列线图模型。

本院共收集439例患者，排除21例患者，最终纳入研究为418例患者，85例患者合并ILD。外部验证集中pSS患者共91例，其中合并ILD患者20例。多因素logistic回归分析年龄、血清白蛋白降低、SII、抗CenpB抗体阳性、关节受累是pSS合并ILD的独立危险因素。当SII >509.26时，pSS合并ILD风险增加。将418例患者随机分为训练集（292例）和内部验证集（162例）。纳入预测模型中的9个变量包括病程、关节累及、白细胞计数、乳酸脱氢酶、血清白蛋白、抗CenpB抗体、全身炎症反应指数（SIRI，中性粒细胞计数×单核细胞计数与淋巴细胞计数比值）、衍生中性粒细胞与淋巴细胞比值（dNLR，中性粒细胞计数与（白细胞计数-淋巴细胞计数）比值）。最优模型Lightgbm模型在训练集中AUC值为0.868，内部验证集中AUC值为0.842，外部验证集中AUC值为0.810。使用SHAP方法解释最优模型，并构建网页计算器（https://ml-model-1.shinyapps.io/online_model_66/）预测pSS-ILD疾病风险概率。多中心pSS-ILD患者总共105例，排除无法进行Warrick评分患者后，轻度组有53例，中重度组有45例。多因素logistic回归结果示年龄、ILD病程、以呼吸道症状起病、血清白蛋白降低是pSS-ILD病情进展为中重度的独立危险因素，基于此构建的Nomogram模型AUC为0.846。

年龄、血清白蛋白降低、SII、抗CenpB抗体阳性、关节受累是pSS合并ILD的独立危险因素。基于Lightgbm模型建立的网页计算器能较准确地计算pSS合并ILD的风险概率。年龄、ILD病程、以呼吸道症状起病、血清白蛋白降低是pSS-ILD病情进展为中重度的独立危险因素，Nomogram模型能初步预测pSS-ILD患者疾病严重程度。