探讨特发性肺纤维化(idiopathic pulmonary fibrosis , IPF)进展的危险因素并构建预测模型。

本研究为回顾性队列研究。收集2019年1月至2023年12月在解放军总医院第四、第六、第八医学中心呼吸与危重症医学科住院接受治疗的IPF患者基线临床资料。根据随访中是否发生进展将患者分为进展组和稳定组，对比分析进展组及稳定组IPF患者基线临床资料，通过四种不同的方法（LASSO回归、随机森林、梯度提升机、单因素Logistic回归分析）对变量进行初步筛选，选择至少被三种方法选中的变量纳入多因素逐步Logistic回归进一步分析，寻找IPF进展的相关因素，基于多因素逐步回归构建IPF进展的列线图预测模型，采用受试者工作特征(receiver operating characteristic, ROC)曲线评估模型的区分度，并采用校准曲线评估预测事件与实际结果之间的一致性，采用临床决策曲线评估预测模型的临床实用性。

共纳入病例220例，男性162例(73.64%)，女性58例(26.36%)，平均年龄67.2±10.0岁。进展组121例(55.00%)，其中男性89例(73.55%)，女性32例(26.45%)，平均年龄67.05±10.38岁。稳定组99例(45.00%)，其中男性73例(73.74%)，女性26例(26.26%)，平均年龄67.42±9.49岁。多因素逐步回归结果显示，吸烟(OR=11.140, 95% CI :4.869~25.487, P<0.001)、胃食管反流病(OR=9.701, 95%CI: 2.345~40.134, P＝0.002)、mMRC评分(OR=2.153, 95%CI: 1.205~3.847, P＝0.010)、DLCO% pred (OR=0.954, 95%CI: 0.929~0.979, P＜0.001)、FVC%pred (OR=0.946, 95%CI: 0.920~0.973, P＜0.001)与IPF的进展独立相关。基于多因素逐步回归构建预测模型，该模型在训练集的ROC曲线AUC为0.92，其对应的敏感度为0.83，特异度为0.91，95%CI为0.88～0.97，在测试集的ROC曲线AUC为0.89，其对应的敏感度为0.84，特异度为0.87，95%CI为0.79～0.98。说明该模型具有很好的区分力。训练集及测试集所绘制的校准曲线与标准曲线均基本接近，提示该模型有较好的校准能力。决策曲线显示训练集及测试集在较大的阈值内均有较高的临床净收益，说明该模型有较好的临床实用性。

吸烟、有胃食管反流病史、mMRC评分、基线低水平的DLCO%pred及FVC%pred与IPF的进展的独立相关，基于多因素逐步回归建立的列线图预测模型具有较好的预测效能。