CKD患者易罹患CVD，但現有預測模型對他們不夠準確。2012-2021年的研究發現134個相關研究，多著重於添加預測因子至現有模型，少有新模型開發。研究方法常有缺陷，需改進報告與驗證。合作努力加強現有模型並評估臨床影響。 PubMed DOI

腎臟風險預測模型近來有新進展，專注於整合新方法並關注早期結果。機器學習模型顯示在預測腎臟疾病進展上有潛力。也有簡化模型依賴自報數據，但普及性尚不確定。趨勢是預測早期腎臟結果，有助於更廣泛的患者。未來研究應專注將模型應用於臨床實踐並評估長期效果。 PubMed DOI

研究人員開發了一個模型，可以預測接受透析的病人在出院後一年內恢復獨立透析或死亡的機率。這個模型考慮了年齡、病情、住院天數、加護病房情況、出院去向，以及出院前的eGFR和尿液白蛋白/肌酸酐比值。經過另一組病人的驗證，發現模型校準良好。這些模型有助於改善門診透析管理，幫助辨識不同風險水平的病人。可以上qxmd.com/calculate/calculator_874使用相關的線上工具。 PubMed DOI

慢性腎臟疾病常見且嚴重，腎臟科醫師在治療中至關重要，特別要關注高風險患者。預測模型可幫助辨識高風險患者，若能有效運用在臨床上，對患者護理很有幫助。早期發現CKD很重要，預測模型可指導護理。對於進展期CKD，風險評估工具可協助決策。透析後結果模型可支援共同決策。為了廣泛應用，這些工具應適用不同醫療環境，並易整合現有工作流程。 PubMed DOI

管理慢性腎臟疾病（CKD）時，使用風險預測對於做出及時決策至關重要。各種預後模型已開發用於評估CKD患者腎功能衰竭風險，但仍有改進空間。準確的預後可帶來重大臨床和心理益處，並有機會預防腎功能衰竭及減緩CKD風險。 PubMed DOI

預後模型可幫助腎臟病患者護理，但臨床應用仍有限。研究發現大多集中在死亡率、病情進展和移植存活。未來研究應重視患者報告結果、方法嚴謹性、完整報告、外部驗證、更新和影響評估，以提升護理品質。 PubMed DOI

在改善腎臟護理方面，早期識別患有逐漸進展性慢性腎臟疾病（CKD）風險的患者至關重要。這篇評論討論了四個新開發的模型：其中兩個預測新發疾病的風險，另外兩個則在疾病過程的早期預測進展。這些模型使用超出估計腎小球過濾率的數據，以提高準確性和個性化。一些模型按糖尿病狀況進行分層，而其他模型則面向患者或使用機器學習。外部驗證顯示高判別力和校準性，使其適合於臨床應用。在初級護理設置中實施這些模型可以通過預防和減緩進展來減輕CKD的疾病負擔、成本和環境影響。 PubMed DOI

進行了一項研究，旨在開發預測模型，用於預測接受維持性血液透析（MHD）治療的患者的近期死亡率和長期存活率。該研究包括了超過11年的42000多名患者的數據，發現預測長期存活率的模型表現優於預測近期死亡率的模型。這些模型取得了良好的準確性和校準度指標，有潛力在臨床實踐中應用，以支持MHD患者的護理決策。目前對MHD患者的預測建模並不常見，但這樣的工具可以幫助改善個體化護理計劃和共同決策。 PubMed DOI

腎臟醫療趨向個人化，但風險預測模型需考量病人意見。建議納入病人觀點，發展公平且以人為本的工具，讓病人參與評估預測因子，提升工具效能。比較模型時採用以人為中心的標準，並讓病人參與工具實施，有助於個別化治療決策。 PubMed DOI

在隨機試驗中，死亡事件可能會影響研究結果，這被稱為競爭風險。傳統的Cox比例風險模型將死亡視為截尾數據，可能導致偏差，因為它假設存活者能代表未存活者。Fine和Gray模型雖然常用，但有時應用不當。為了解決這些問題，我們提出了一種多重插補的方法，能更好地考量死亡與未觀察結果風險的關係。我們透過三個心血管試驗的例子和模擬研究，展示了這種方法的有效性，並提供了對未來臨床試驗管理競爭風險的實用建議。 PubMed DOI