目的本研究全面探究系统性红斑狼疮（SLE）患者睡眠障碍的影响因素,构建了SLE患者睡眠障碍的预测模型并进行内部验证,以期快速为临床医务工作者提供早期干预的方向,进而提高SLE患者睡眠质量。方法采用便利抽样法,选取安徽省立医院风湿免疫科、安徽医科大学第一附属医院风湿免疫科及安徽医科大学第二附属医院肾脏内科的住院患者284例。通过文献回顾及前期荟萃分析研究基础选定研究变量和工具,采用匹兹堡睡眠质量指数量表（PSQI）评估睡眠质量,同时通过焦虑自评量表（SAS）、抑郁自评量表（SDS）、社会支持评定量表（SSRS）、红斑狼疮病人生活质量问卷（SLEDAI-2000）、痛苦表露指数量表（DDI）、疲劳程度量表（FSS）、疼痛视觉模拟评分等收集资料。运用SPSS 23.0进行数据整理;运用R 4.0.2进行单因素分析、lasso回归分析及预测模型构建。采用logisitic回归分析及决策树构建预测模型,将数据拆分为训练集与测试集,训练集构建模型,测试集验证模型效果,并用受试者工作特征曲线下面积、灵敏度、特异度、准确度等指标评价模型预测效果。结果SLE患者的睡眠质量普遍较差,睡眠障碍的发生率为44%。单因素结果显示文化程度、婚姻状况、家庭人均月收入、医疗付费方式、锻炼频次、就诊情况、年龄、血沉、焦虑、抑郁、疲劳及狼疮生活质量在SLE患者睡眠质量的研究中差异具有统计学意义,成为SLE患者睡眠研究的预测模型变量池;lasso回归进一步筛选得出婚姻状况、家庭人均月收入、医疗付费方式、锻炼频次、就诊情况、焦虑、抑郁、疲劳、生活质量（躯体健康、计划性、情绪健康、自我形象评价）为SLE患者睡眠障碍的影响因素。对比两种预测模型测试集验证效果,灵敏度相同,logistic回归特异度及约登指数取最大值的最佳临界点更高,AUC较低,准确率更高,两种模型结果互相补充、预测效果相近且各有优势。两种预测模型进行SLE患者睡眠障碍研究详细结果如下:Logistic回归训练集构建预测模型研究结果依次为以下4个独立预测因子:疲劳、焦虑、锻炼频次（5-7次/周）及抑郁。其中,训练集模型灵敏度为0.649,特异度为0.850,最佳临界点为0.592,受试者工作特征曲线下面积AUC为0.815,AUC 95%置信区间为（0.758,0.872）,模型准确度为0.762,95%置信区间（0.699,0.817）。测试集调用该训练集预测模型得出抑郁为预测因子OR值6.782（1.517,40.736）,测试集模型灵敏度为0.419,特异度为0.923,临界值为0.607,AUC为0.702,AUC的95%置信区间（0.578,0.826）,模型准确度为0.700,准确度95%置信区间（0.579,0.804）,为中等准确度。决策树模型得出预测因子为:躯体健康、计划性、家庭人均月收入、焦虑、抑郁、锻炼频次、自我形象评价、就诊情况及情绪健康9个因子,最终进入决策树绘制模型的预测因子为躯体健康、计划性、家庭人均月收入及焦虑4个预测因子。其中,训练集模型灵敏度为0.468,特异度为0.908,最佳临界值为0.610,AUC为0.736,AUC的95%置信区间（0.673,0.800）,模型准确度为0.715,准确度95%置信区间为（0.649,0.774）。测试集进行内部验证,灵敏度为0.419,特异度为0.872,临界值为0.358,AUC为0.721,95%置信区间（0.608,0.833）,模型预测准确度为0.671,准确度95%置信区间为（0.549,0.779）。结论SLE患者睡眠质量较差,睡眠受诸多因素影响,本研究综合两种预测模型得出10个SLE患者睡眠障碍重要预测变量:疲劳、焦虑、锻炼频次、抑郁、躯体健康、计划性、家庭人均月收入、自我形象评价、就诊情况及情绪健康。两种预测模型中最终形成了7个预测因子:疲劳、焦虑、锻炼频次、抑郁、躯体健康、计划性、家庭人均月收入。其中,疲劳、躯体健康、焦虑、抑郁及锻炼频次是更应关注的预测变量。另外,logistic回归与决策树模型均具有良好的预测效果,且差异不大,但logistic回归准确度略高于决策树模型。研究SLE患者睡眠障碍的预测模型,能够有针对性地关注SLE患者的睡眠情况,从而降低睡眠障碍的发生率,改善睡眠。