1. 比较难治性银屑病关节炎（D2T PsA）和非D2T PsA的临床特征、外周血淋巴细胞亚群和LL37抗体及其亚型的表达差异，分析预测D2T PsA的危险因素，为疾病的早期发现、早期干预提供临床依据，以提高患者的生活质量，改善预后。

2. 构建并比较4种机器学习模型，旨在开发和验证更准确且适用于临床的D2T PsA预测模型，以识别PsA患者中D2T PsA患者的高危因素。

研究纳入山西省人民医院风湿免疫科门诊与住院PsA患者，收集人口学及临床资料、实验室检查结果，评估疾病活动度，检测淋巴细胞亚群、血清抗LL37抗体及其亚型的表达，依据EULAR提出的潜在D2T PsA的定义纳入D2T PsA患者，分析其临床特点、免疫学特征以及血清抗LL37抗体及其亚型的表达情况。使用合成少数过度抽样技术（SMOTE）解决数据不平衡问题。数据集被随机分成训练集和测试集（7:3）。使用LASSO回归进行变量筛选。比较四种机器学习模型（LR、CatBoost、RF和LightGBM），建立最优临床预测模型。通过受试者工作特征（ROC）曲线分析对模型的性能进行评价。使用校准曲线和Brier评分评估模型校准。通过决策曲线分析（DCA）对疗效进行评价。利用SHAP分析进行模型解释。

175例PsA患者中，D2T PsA 25例（14.3%），非D2T PsA 150例（85.7%）。对比分析显示，D2T PsA的特点包括TJC、SJC、LEI、NAPSI、指甲受累、HAQ、DAPSA、HADS（抑郁）、甘油三酯、尿酸、NK细胞百分比、抗LL37抗体均明显升高，年龄、总B淋巴细胞绝对计数、调节性T细胞百分比、抗carb-LL37抗体显著低于非D2T PsA患者。LASSO回归筛选出15个显著变量，四个机器学习模型中CatBoost表现出最好的预测性能。在测试集上包含15个变量，AUC为0.788，校准曲线显示其校准效果较其他模型表现不佳，但决策曲线分析（DCA）证实具有临床实用性。SHAP进一步确定D2T PsA最重要的影响因素：年龄、SJC、NAPSI、DAPSA、HADS（抑郁）、尿酸、NK细胞百分比、抗LL37抗体、抗carb-LL37抗体。SJC、NAPSI、HADS（抑郁）、抗carb-LL37抗体、抗LL37抗体的升高与D2T PsA风险升高相关，年龄、DAPSA、尿酸、NK细胞百分比的升高与D2T PsA风险降低相关。

1.临床特征：D2T PsA患者相对年轻，TJC、SJC、HAQ、LEI、指甲损害、NAPSI、DAPSA评分均高于非D2T PsA患者。

2.共病情况：D2T PsA患者甘油三酯和尿酸水平高于非D2T PsA患者，HADS（抑郁）评分亦显著升高。

3.免疫学特征：D2T PsA患者外周血淋巴细胞亚群中NK细胞百分比升高，总B淋巴细胞绝对计数及调节T细胞百分比水平降低。

4.自身抗体：D2T PsA患者抗LL37抗体水平显著升高，抗carb-LL37抗体水平则显著低于非D2T PsA患者。

5.四种机器学习模型中，CatBoost是最优D2T PsA风险预测模型。SHAP分析揭示年龄、SJC、NAPSI、DAPSA、HADS（抑郁）、尿酸、NK细胞百分比、抗carb-LL37抗体、抗LL37抗体是与D2T PsA密切相关的关键因素。SJC、NAPSI、HADS（抑郁）、抗carb-LL37抗体、抗LL37抗体的升高与D2T PsA风险升高相关，年龄、DAPSA、尿酸、NK细胞百分比的升高与D2T PsA风险降低相关。