研究442位接受腎移植的IgA腎病患者，結果顯示18.8%在移植後出現IgAN復發。年齡、性別、再移植狀況等因素影響復發，而年齡、蛋白尿和C4d陽性則影響移植物損失。預測模型準確，可幫助辨識IgAN復發可能導致移植物損失風險的腎移植患者。 PubMed DOI

研究證實了IINN-PT工具可預測IgA腎病患者腎病進展風險。在法國研究中，該工具長期追蹤15年表現良好，無論種族。然而，15年後，未考慮種族的模型在存活方面有問題。研究強調預測IgA腎病進程時要考慮種族因素。 PubMed DOI

研究發現尿液蛋白質組學分類器IgAN237可預測IgA腎病患者疾病進展，有助於評估腎功能下降情況。這個分類器可幫助風險評估和個別化治療，對IgAN患者管理有正面影響。 PubMed DOI

研究團隊開發了一個工具，可以預測慢性腎臟疾病（CKD）兒童何時需要進行腎臟替代治療（KRT），使用常見臨床變數。他們分析了CKiD研究中890名兒童的172個變數，包括診斷、腎功能、蛋白尿、血壓、貧血等。研究已經驗證模型，並建立了一個臨床線上計算器，但仍需進一步確認模型的準確性。 PubMed DOI

研究開發了機器學習模型，可預測IgAN患者兩年內快速惡化的風險。模型準確預測腎功能下降或末期腎病，以及蛋白尿改善。分析指出基線蛋白尿是重要特徵。預測風險越高，預後越差。總而言之，這個模型在預測IgAN進展和長期腎臟結果上表現可靠。 PubMed DOI

牛津分類和新的預測模型提升了對IgA腎病的預後預測。研究發現，T％、節段性腎小球硬化、eGFR、蛋白尿和血清白蛋白是重要的預測因子。T％比T病變更能準確預測，某些S病變亞型與較差結果相關。報告這些變數可改善IgAN的預後工具。 PubMed DOI

在IgA腎病患者中，預測疾病進展至腎衰竭及監測患者變得困難。新治療方法出現，但缺乏風險識別工具。本文探討預後標誌、非侵入性監測需求，如補體活化、微生物群、微RNA、影像學和人工智慧。填補生物標誌研究空白至關重要，以改善患者護理。目標是開發實用標誌，改善IgA腎病預後。 PubMed DOI

研究發現RF-RG分類系統對預測IgAN患者的腎臟結果相當有效，追蹤991名患者5.5年後發現RF-RG與不良腎臟結果有關。RF-RG類別越高，結果越差。進展性疾病患者較難達到蛋白尿和血尿的緩解。 PubMed DOI

國際免疫球蛋白A腎病（IgAN）網絡為IgAN創建了兩個預後預測模型，其中一個包含種族參數，用於預測IgAN診斷後腎功能下降的風險或進展至末期腎臟疾病。這項研究在185名IgAN患者的中國群體中驗證了這些模型，結果顯示模型在預測疾病進展方面表現良好。 PubMed DOI

研究開發了機器學習模型，可預測兒童IgA血管炎的腎損傷風險，並找出風險因素。使用217名患者數據訓練6種算法，隨機森林表現最佳。確定了11個影響風險的特徵，並驗證了簡化模型。該模型準確預測腎損傷，提供臨床網絡工具。研究程式碼在GitHub公開。 PubMed DOI