构建包括血清谷胱甘肽还原酶（GR）在内的可视化临床列线图模型，并进一步评估血清GR在该模型中的增量临床价值。

本研究纳入了142名SLE患者，根据SLEDAI 2000疾病活动度评分将患者分为轻度疾病活动（≤6分，n = 78）和中-重度疾病活动（＞6分，n = 64）。通过单因素和多因素Logistic回归分析确定独立危险因素，使用限制性立方样条探索非线性关系。本研究构建了完整模型（包含GR）和基础模型（不含GR）。通过受试者工作特征（ROC）曲线及DeLong检验评估模型的区分度；采用Bootstrap法进行了内部验证，并运用决策曲线分析（DCA）和临床影响曲线（CIC）评估模型的临床净收益；采用净重新分类指数（NRI）和综合判别改善指数（IDI）量化血清GR的增量价值。最后，将结局指标替换为另一个疾病活动度评分SLE-DAS进行敏感性分析，以进一步明确血清GR在SLE疾病活动度评估中的增量临床价值。

（1）最终完整模型纳入4项中-重度疾病活动度的独立危险因素：年龄、血清白蛋白、血清GR和狼疮性肾炎史。

（2）与不包括GR的基础模型相比，纳入血清GR的完整模型显著提高了ROC曲线下面积（AUC: 0.862 vs. 0.788, P = 0.010），并极大提升了连续型NRI（0.990, 95% CI: 0.704, 1.277, P < 0.001）和IDI（0.131, 95% CI: 0.074, 0.189, P < 0.001）。基于完整模型构建的列线图显示出良好的校准度，并在DCA和CIC中提供了积极的临床净收益。

（3）在敏感性分析中，血清GR依然能独立识别SLE-DAS界定的中-重度疾病活动度（OR = 1.030, P = 0.001）；与不包括GR的模型相比，将血清GR纳入模型后，预测准确度与风险重分类能力同样得到显著改善（AUC, 0.776 vs. 0.624, P = 0.003; 连续型 NRI, 0.795, P < 0.001; IDI, 0.157, P < 0.001）。

我们成功构建了一个用来识别SLE中-重度疾病活动度的可视化临床列线图模型，血清GR的纳入明显改善了该模型的性能。