欢迎访问《中国医药导报》编辑部！

银屑病是免疫介导的慢性炎症性皮肤病，在全球范围内发病率约为3%[1]。本病以全身泛发红斑丘疹，表皮附着银白鳞屑为主要表现，极易反复发作，对患者的生理和心理健康构成严重威胁[2]。当前中西医临床对银屑病诊疗积累了丰富的经验，然而其高复发率仍是制约未来疗效提升的重要瓶颈。传统银屑病严重程度的量化评估体系，在银屑病复发研究中亦有广泛应用[3]。但银屑病复发判定框架的异质性仍较明显：部分研究人员将出现新发皮损即判断为复发；而更多学者则认为量化评估指标更具临床指导价值，但复发诊断标准仍尚未统一。

因此，本研究采用系统性文献回顾方法，对银屑病复发诊断标准的临床实践现状展开方法学分析，明确当前临床实践常用的复发判定标准。通过聚焦临床研究支撑下的银屑病复发诊断标准分析，为后续银屑病复发机制研究及干预策略开发提供可量化的参考基准。

1 资料与方法

1.1 资料来源与检索方法

计算机检索中国知网、万方数据知识服务平台、维普网、PubMed建库至2025年6月收录的有关银屑病的临床研究文献。中文文献以（“银屑病” OR “白疕”）AND（“复发”）为检索策略进行主题词检索。外文文献以（“Psoriasis”)AND(“Relapse”）为主题词进行检索。系统收录涉及银屑病复发或复发率研究的相关文献，构建涵盖中西医研究的银屑病复发诊断标准文献数据库。

1.2 文献纳入标准

①公开发表的银屑病临床研究文献；②研究需明确指出银屑病复发的诊断标准。

1.3 文献排除标准

①无法获取全文或无法提取数据的文献；②经验总结、病例报道、综述类文献；③动物实验类文献；④重复研究或重复发表的文献仅取1篇。

1.4 文献筛选与资料提取

本研究采用NoteExpress软件将不同数据库的文献合并至银屑病复发诊断标准专题之中，根据纳入及排除标准进行数据的整合与处理。制订银屑病复发诊断标准文献信息采集表，利用Excel软件进行资料提取，提取包括文章题目、发表杂志、发表年份、第一作者、研究类型及所采用的银屑病复发诊断标准等信息。

2 结果

2.1 文献检索结果与基本特征

根据检索标准，检索到中文文献5 736篇，英文文献609篇，共计6 345篇，剔除不相关与重复文献后剩余4 960篇，经过阅读题目及摘要筛选后剩余2 005篇文献。再进行全文阅读，排除未达纳入及排除标准的文献后，最终获取204篇文献，包含中文文献114篇，英文文献90篇。114篇中文文献分布于60种学术期刊，分布于1980—2025年，其中中文核心18篇，科技核心26篇，普通期刊39篇，会议论文1篇，学位论文30篇。90篇英文文献涵盖1989—2025年，以JCR分区为参考，Q1区文献占比最高（60篇，66.7%），其次为Q2区（19篇，21.1%）、Q3区（7篇，7.8%）和Q4区（1篇，1.1%），另有3篇发表于非JCR收录期刊。

2.2 银屑病复发诊断标准文献分析

依据检索策略，最终共获得银屑病复发诊断标准35条（表1）。在纳入的204项银屑病相关研究中，有36项明确记载了疾病复发诊断标准引用来源。经系统梳理，剔除错误引用文献后，整理出6篇符合银屑病复发诊断标准引用来源的文献（表2）。

研究中发现，当前银屑病复发诊断方式主要有两种，分为皮损赋分复发和症状复发两种。前者量化评估银屑病皮损的客观指标（如皮损面积、红斑程度、鳞屑厚度等），当量化指标达到或超过某阈值时，即判定为复发。后者依据患者的主观症状或医师的临床判断来定义复发，若患者出现新发皮损或原有皮损扩大，即可判定为复发。目前银屑病复发诊断标准较多且不统一，但多以临床皮损为主要诊断参考。常用的指标有银屑病面积和严重程度指数（psoriasis area and severity index，PASI）、体表面积指数（body surface area，BSA）、研究者整体评估（investigator’s global assessment，IGA）、整体严重程度评分（global severity score，GSS）、医生整体评估（physician’s global assessment，PGA）、静态医生整体评估（static physician’s global assessment，sPGA）、湿疹严重程度指数（eczema severity index，ESI）、改良的银屑病严重程度评分（modified psoriasis severity score，MPSS）、疗效指数等多种临床评估指标。有别于常规专注于皮损的银屑病复发标准，国内彭永年研究团队曾对730例寻常型银屑病患者进行长期随访，针对银屑病的病程和预后进行统计分析，综合复发频率、复发皮损面积及皮疹消退模式，将银屑病的复发归纳为6种亚型（表3）。

2.3 临床常用银屑病复发诊断标准总结

临床常用的诊断标准中，“失去PASI50”引用频次最高（引用62次），应用最广；其次是以有无新发皮损，即临床好转或痊愈后随访期间，患者再出现新的银屑病皮损表现即为复发（引用33次）为参考标准；彭永年团队在对寻常型银屑病患者长期随访中，对国内寻常型银屑病总结出常见的6种复发类型，在国内临床研究中也得到广泛应用（引用8次）。上述复发诊断标准在临床中均有较多应用，但本研究认为“失去PASI50”引用频次最高，临床可操作性较强，对于银屑病临床复发研究更具指导价值。

3 讨论

银屑病是临床常见炎症性皮肤病，如何科学性预防复发是当前研究的重点与难点。统一且标准化的复发诊断标准是确保研究结果可比性和可靠性的关键。生物制剂时代对于银屑病的治疗提出更高的要求，也愈发关注患者预后复发情况[4]。探索与筛选出当前公认且符合临床研究需求的复发诊断标准，是深入开展银屑病复发机制研究及干预策略探索的基石性工作。当前临床常用银屑病复发评价体系主要以皮损为参考，依赖研究者主观评估，忽略了银屑病的亚临床复发，对于无症状炎症活动关注较少，如何构建客观量化的银屑病复发评价体系是未来需要探索研究的难点。

标志物研究对于构建多维银屑病复发诊断标准具有显著意义。研究表明，白细胞介素（interleukin，IL）-23/Th17炎症轴在银屑病发病机制中起关键作用[5]。YKL-40是一种与银屑病炎症相关的急性期蛋白，在银屑病患者血清中水平较正常人显著升高，可体现银屑病患者的全身炎症水平[6-7]。据此，笔者认为IL-23、IL-17、YKL-40等生物标志物或可应用于银屑病炎症活动的精准评估，用于银屑病的发展、复发、预后及疗效评价。

人工智能在银屑病慢病管理中具有广阔应用前景[8-9]。徐蕊瑶等[10]采用机器学习的方法，选择评价寻常型银屑病严重程度的敏感指标与指标组合，构建银屑病危险因素预测模型，为病情早期评估和制订医疗决策提供依据。国内另一项真实世界研究成功构建了基于医学影像的银屑病严重程度智能化评估模型，该模型对于银屑病PASI评估的精准性显著优于传统人工评估模式[11]。相较于传统诊断标准“一刀切”的模式，人工智能不仅可通过分析患者基线特征（如年龄、性别、体重指数）和治疗史，为个体设定最优复发诊断阈值，还可以整合生物标志物、影像学特征（如皮肤镜、皮肤CT影像）及患者报告结局，构建多元复发诊断模型，提高复发预测的敏感性和特异性。

4 小结

规范、统一的诊断标准有利于指导医疗实践、提高诊疗水平，进而促进银屑病研究的有序发展。银屑病复发诊断标准当前仍无统一认识，为银屑病复发相关基础及临床研究带来不便。未来可进一步考虑从生物标志物研究及人工智能两方面丰富完善银屑病复发诊断标准。但当前银屑病复发相关生物标志物仍处于起步阶段，与临床复发的相关性尚未完全明确；多数智能工具尚处于试验阶段，缺乏大规模临床验证。因此，在今后的研究中，更全面、客观、精准化的银屑病复发诊断标准还有待进一步探索。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[1]SHELLARD E M，RANE S S，EYRE S，et al.Functional genomics and insights into the pathogenesis and treatment of psoriasis[J].Biomolecules，2024，14（5）：548.

[2]LIU L，LIN N，YU Y，et al.Epidemiology of mental health comorbidity in patients with psoriasis：an analysis of trends from 1986 to 2019[J].Psychiatry Res，2023，321：115078.

[3]PINTER A，GALVÁN J，FREISCHLA..GER F.Best Responders and Super-Responders to Calcipotriol and Betamethasone Dipropionate PAD-Cream：A Post Hoc Pooled Analysis of Two Phase 3 Trials[J].Dermatol Ther（Heidelb），2025，15（6）：1441-1453.

[4]HUANG S，DUAN X，ZHANG H，et al.Adjunctive Chinese medicine therapy reduces relapse of psoriasis vulgaris after discontinuation of biologics：a prospective registry-based cohort study[J].J Dermatolog Treat，2024，35（1）：2355261.

[5]ANTONATOS C，ASMENOUDI P，PANOUTSOPOULOU M，et al.Pharmaco-Omics in psoriasis：paving the way towards personalized medicine[J].Int J Mol Sci，2023，24（8）：7090.

[6]TIZAOUI K，YANG J W，LEE K H，et al.The role of YKL-40 in the pathogenesis of autoimmune diseases：a comprehensive review[J].Int J Biol Sci，2022，18（9）：3731.

[7]BARAN A，MY＇SLIWIEC H，SZTERLING-JAWOROWSKA M，et al.Serum YKL-40 as a potential biomarker of inflammation in psoriasis [J].J Dermatolog Treat，2018，29（1）：19-23.

[8]PAI V V，PAI R B.Artificial intelligence in dermatology and healthcare：an overview[J].Indian J Dermatol Venereol Leprol，2021，87（4）：457-467.

[9]王子仪，盛宇俊，崔勇.人工智能在皮肤科慢病管理中的应用与前景[J].皮肤科学通报，2024，41（1）：11-16.

[10]徐蕊瑶，闫小宁，黄咏梅，等.基于机器学习的寻常型银屑病危险因素预测模型的建立[J].中华全科医学，2024，22（10）：1656-1659，1683.

[11]HUANG K，WU X，LI Y，et al.Artificial intelligence-based psoriasis severity assessment：Real-world study and application[J].J Med Internet Res，2023，25：e44932.

【作者机构】	河南中医药大学第一临床医学院(中西医结合学院)；河南中医药大学第一附属医院皮肤科
【分类号】	R758.63
【基金】	河南省自然科学基金项目（252300421627）河南省中医药拔尖人才培养专项课题（2022ZYBJ04）河南省中医药科学研究专项课题项目（2024ZY2034）郑州市医疗卫生领域科技创新指导计划项目（2024YLZDJH060）。

基于文献研究的银屑病复发诊断标准应用现状分析与思考

目录

文内图表