目的 通过大数据回顾性分析银屑病患者selleck HPLC心血管疾病(CVD)的发生，建立大数据风险模型评估银屑病患者CVD发病风险。方法 收集2014年1月—2018年1月新疆医科大学附属中医医院皮肤科治疗银屑病患者2 500例的临床资料，根据随访5年后患者是否发生CVD分为CVD组和无CVD组，对比2组患者临床及实验室资料；采用多因素Logistic回归分析银屑病患者发生CVD的危险因素；通过随机森林算法建立大数据风险模型，应用决策曲线分析大数据风险模型用于银屑病患者CVD发病风险的评估价值。结果 随访5年，2 500例银屑病患者新发CVD 350例。CVD组年龄、PASI评分、FRS评分、CRP、IL-17、IL-22、TNF-α和IgG水平高于无CVD组，CD4~+水平低于无CVD组(χ~2/t=9.467,10.512,12.158,15.492,10.677,13.496,15.023,16.002,8.194,P均<0.001);多因素Logistic回归分析显示，年龄大、PASI评分高、FRS评分高、CRP高、IL-17高、IL-22高、TNF-α高、IgGselleckchem MK-1775高是银屑病罹患CVD的独立危险因素，CD4~+低水平为银屑病罹患CVD的独立保护因素[OR(95%CI)=1.051(1.035～1.068),1.083(1.061～1.106),1.245(1.176～1.318),1.429(1.334～1.532),1.142(1.106～1.179),1.170(1.133～1.209),1.370(1.218～1.464),1.601(1.469～1.745),0.947(0.929～0.965)]hyperimmune globulin;大数据模型中各变量的重要程度依次为：CRP、IgG、TNF-α、FRS评分、IL-17、PASI评分、IL-22、CD4~+、年龄；ROC曲线显示，基于随机森林算法构建的大数据模型预测银屑病患者新发CVD风险的AUC为0.988(95%CI 0.955～0.999,P<0.001);决策曲线分析显示，与FRS评分相比，基于随机森林算法构建的大数据模型对银屑病患者新发CVD风险具有较高的预测能力。结论 银屑病患者具有较高的新发CVD风险，基于随机森林算法建立大数据风险模型可提高对银屑病患者发生CVD风险早期评估的准确性。