痛风是一种全球高发的代谢性炎症性综合征。炎症是痛风发展的潜在因素。利用中国风湿病数据中心（CRDC）获得的数据，我们进行了多种炎症指标分析，探讨这些指标与痛风急性发作之间的关联。

数据来源于2014 年至 2025 年在南昌大学第二附属医院收集的部分CRDC数据。在应用严格纳排标准和数据清洗后，分析了688个符合条件的样本，并通过PSM控制样本之间的平衡匹配了328例（1：1）分析数据。基于外周血细胞计数计算了5个综合炎症指标。调整混杂因素后，我们采用逻辑回归模型限制三次样条（RCS）模型、极端梯度增强（XGBoost）机器学习（ML）模型、亚组分析和敏感性分析，分析这些炎症指数与痛风急性发作症状之间的关系。此外，辅以有限的治疗前后痛风患者数据辨别这些炎症指数的临床诊断价值。

对数处理的中性粒细胞与淋巴细胞比（NLR）、高系统免疫炎症指数（SII）升高和血红蛋白、白蛋白、淋巴细胞和血小板评分（HALP）降低与 痛风急性发作风险增加显著相关（log2NLR：OR = 1.37,95% CI = 1.08–1.75，P = 0.01;log2SII：OR = 1.32,95% CI = 1.07–1.61，P = 0.008；log2HALP：OR = 0.69,95% CI = 0.50–0.94，P = 0.019）。log2NLR与log2SII与痛风急性发作呈线性关系，但log2HALP与痛风急性发作呈非线性关系（P for overall =0.014，P for nonlinear =0.047）。有趣的是，亚组分析发现在使用这些炎症指标评估GA风险时，需要考虑BMI与UA水平带来的影响。机器学习显示 log2NLR、log2SII和log2HALP是痛风急性发作的重要变量特征。敏感性分析验证了我们发现的稳健性。此外，就评估痛风急性发作风险表现而言，单指标与联合指标之间无显著差异。

log2NLR、log2SII升高和log2HALP降低展现出非侵入性生物标志物的潜力，用于早期检测和风险分层，基于这些指标的动态监测有望为痛风急性发作的诊断和治疗提供新的见解和方向