腎臟 相關三個月內文章 / 第 12 頁
可選擇其它分類: 一週新進文章 LLM 一般醫學 SGLT2i GLP1

這項研究探討了血清鐵蛋白在敗血症相關急性腎損傷(SA-AKI)患者中的預後意義,並分析其與短期死亡率的關聯。研究使用MIMIC-IV數據庫,納入878名SA-AKI患者。結果顯示,血清鐵蛋白水平較高的患者在28天內的死亡率顯著增加,尤其是最高四分位數的患者,其死亡率明顯高於最低四分位數的患者,經調整後的危險比為1.92。這顯示血清鐵蛋白升高可能是SA-AKI患者短期死亡率的預測指標。 相關文章 PubMed DOI

這項研究探討了間質細胞在腎臟發育中的重要性,特別是在人體胎兒腎組織中識別的特定細胞群。研究人員提取了條碼化的cDNA,並創建了空間轉錄組庫,使用Seurat進行聚類分析,並整合單細胞與空間數據。他們發現與WNT信號通路相關的差異表達基因,這對腎臟發育至關重要。此外,研究強調了細胞間的配體-受體相互作用,並發現17個與腎病相關的基因主要在特定細胞類型中表達,增進了對間質細胞角色的理解。 相關文章 PubMed DOI

偽性低醛固酮症第二型(PHA2)是一種罕見的遺傳疾病,影響腎臟的鹽分處理,會引發高鉀血症、低腎素、高血壓、代謝性酸中毒及尿鈣過高等症狀。診斷通常透過基因檢測,但因為罕見性,常會延遲。在這份報告中,兩名PHA2兒童最初接受氟氯噻噻和碳酸氫鈉治療,卻使高血壓惡化。停用這些藥物後,改用噻嗪類利尿劑,血壓和電解質平衡明顯改善。 相關文章 PubMed DOI

這項研究探討了患者和照顧者在TikTok上分享的腎病綜合症經驗,顯示這平台成為獲取健康資訊的新途徑。研究分析了123段相關影片,發現62.6%的影片中有照顧者談論孩子的疾病,主要主題包括醫療導航、情感與身體健康,以及教育與支持系統。患者常被視為「戰士」,反映出社群的支持性。研究強調了腎病綜合症對日常生活的隱性影響,以及患者與照顧者在優先事項上的差異。TikTok成為表達孤獨感和促進社群的平臺。 相關文章 PubMed DOI

這項研究探討如何利用機器學習模型預測慢性透析病人的血液透析適切性,特別是spKt/V。傳統方法需在透析前後採血,限制了評估頻率。研究分析了373名末期腎病患者的1869次透析數據,聚焦87個相關變數。經過數據預處理後,開發了六個二元分類模型,隨機森林模型表現最佳,AUROC分數分別為0.860和0.873。關鍵預測因素包括血管通路、性別、體重指數等。結果顯示,機器學習能有效預測透析適切性,未來可望在臨床中進行非侵入性評估。 相關文章 PubMed DOI

這項研究探討了腹膜透析(PD)患者中較少見的通路損傷特徵及管理,於2018年1月至2024年1月在西華醫院進行,納入45名有49例通路損傷的患者,並與128名對照組比較。結果顯示,過去的腹膜炎和輔助性PD是主要風險因素,而使用導管帶和增加訓練頻率則有保護作用。管理策略包括導管修復和更換,大多數患者在修復後繼續PD並取得良好結果。研究強調預防措施及及時管理的重要性。 相關文章 PubMed DOI

這項研究探討急性肝炎是否會增加肝臟中FGF23(成纖維細胞生長因子23)的產量,進而引發低磷血症。研究分析了急性肝炎患者的肝臟標本,並與肝纖維化及健康肝臟進行比較。結果顯示,兩個急性肝炎案例均出現顯著低磷血症及FGF23水平升高,且未找到其他腎臟磷酸鹽流失的原因。組織學檢查也確認急性肝炎中FGF23產量增加。總體而言,研究建議急性肝炎期間肝臟過度產生FGF23可能導致低磷血症。 相關文章 PubMed DOI

這項綜合分析探討了慢性腎臟病(CKD)與睡眠障礙之間的雙向關係,特別是阻塞性睡眠呼吸暫停症(OSA)、蛋白尿、靜止腿綜合症(RLS)和失眠。研究分析了63項觀察性研究的數據,涵蓋超過2600萬名患者。主要發現顯示,OSA、蛋白尿、RLS和失眠與CKD有顯著相關,且治療睡眠障礙可能有助於降低CKD風險,改善患者生活品質。這強調了處理CKD與睡眠障礙相互影響的重要性。 相關文章 PubMed DOI

這項研究探討了心理健康問題對未接受透析的慢性腎病(CKD)成人的影響,共有1,879名參與者。結果顯示,許多人有心理健康問題,如睡眠不足(17.4%)、主觀困擾(27.3%)、抑鬱症狀(13.2%)和自殺意念(16.8%)。心理健康不佳者的末期腎病(ESKD)風險高出46%,死亡風險高出55%。研究也指出年齡和性別會影響這些關聯,強調了CKD患者心理健康問題的普遍性及其對健康結果的影響。 相關文章 PubMed DOI

這項研究聚焦於急性腎損傷(AKI)如何進展至急性腎病(AKD)和慢性腎病(CKD),強調需要更深入了解生物標記物和個別化治療。由八家韓國三級醫院組成的聯盟,建立了一個包含約1,500名接受持續腎臟替代療法(CKRT)的AKI患者的隊列,並分析相關數據。研究團隊利用回顧性數據開發人工智慧模型,預測AKD預後並提供個性化治療計劃。最終目標是提升AKI和AKD的臨床管理,實現量身定制的患者護理。 相關文章 PubMed DOI