CRRT是用於急性腎損傷的治療，AI在改善CRRT上有潛力，但研究有限。研究指出AI可用於預測CRRT需求和結果，但仍需更多驗證和研究。AI在CRRT領域的應用仍在初步階段，需要進一步探討其對患者護理的影響。 PubMed DOI

研究評估CRRT中斷預測模型，以提升品質。檢視多項研究，強調改進風險評估方法的重要性，以增進預測模型的精確度及制定預防措施。 PubMed DOI

這項研究觀察了接受持續性腎臟替代治療（CRRT）的兒童病房內的兒童，並分析了影響他們結果的因素。研究發現，骨髓移植和高pSOFA分數是90天死亡的獨立風險因素，而在開始CRRT時高血清纖維蛋白原水平與發展進階慢性腎臟疾病有關。 PubMed DOI

使用機器學習預測急性腎損傷患者從腎臟替代治療成功脫離的研究發現長時間RRT持續、血清半胱氨酸C水平等因素影響成功率。機器學習模型如Random Forest和XGBoost表現準確，XGBoost效果最佳，優於傳統邏輯回歸模型。 PubMed DOI

在加護病房裡，對急性腎損傷病人來說，持續性腎臟替代療法（CRRT）非常重要。一個新的研究利用機器學習開發了一個動態決策模型，可以預測CRRT何時停止。這個模型準確度高，並找出了影響決策的關鍵因素，像是器官功能衰竭評分、乳酸水平和尿量。這個機器學習支持的動態決策模型能夠有效預測CRRT的停止時間。 PubMed DOI

CRRT是一種常見的腎臟替代療法，但目前尚無明確共識何時停止使用。一項研究成功開發了一個模型，可以預測何時停止CRRT，對大多數病患有效。然而，若腎臟科醫師未積極參與CRRT決策，模型表現較差。這研究強調了腎臟科醫師參與和CRRT管理標準化協議的重要性。 PubMed DOI

這項研究針對自體動靜脈瘻管（AVF）發生血栓的風險，開發並驗證了機器學習模型。研究在哈爾濱醫科大學第二附屬醫院的血液透析中心進行，涵蓋270名患者，時間範圍為2021年3月至2022年12月。結果顯示，105名患者出現AVF血栓，52.6%的AVF患者有長期併發症，血栓最為常見。研究開發了五種機器學習模型，評估結果顯示其預測AVF血栓風險的準確性高，對早期臨床介入有幫助。 PubMed DOI

持續性腎臟替代療法（CRRT）常用於急性腎損傷（AKI）重症病患。研究比較了使用2.2 mmol/l與3.0 mmol/l檸檬酸抗凝劑的兩種方案，結果顯示3.0 mmol/l方案的管路存活時間顯著較長（39.6小時對22.9小時），且代謝性鹼中毒發生率較低（19%對46%）。這顯示CVVHDF/RCA3.0方案在提升管路通暢性及安全性方面表現更佳，並受到體重和對流流量的影響。 PubMed DOI

這項系統性回顧旨在找出重症監護病房（ICU）患者在持續性腎臟替代療法（CRRT）期間非計畫性撤機的風險因素。研究分析了23項研究，涵蓋3,793名患者，發現多個重要風險因素，包括低平均動脈壓、低體溫、年齡（≥60歲）、合併基礎疾病、煩躁不安等。此外，無抗凝劑使用、高血比容及機械通氣等也被列為風險因素。研究強調了及早識別這些風險的重要性，以制定有效的預防和治療策略。該研究已在PROSERO網站註冊。 PubMed DOI

這項研究探討了接受持續性腎臟替代療法（CRRT）和體外膜氧合（ECMO）的非手術病人預後的影響因素。分析了2013年12月至2023年4月的數據，主要關注住院死亡率。研究發現，結合CRRT持續時間和年齡的模型在預測住院死亡率上更有效，AUC達0.868。獨立風險因素包括年齡較大、CRRT植入及較長的CRRT持續時間。研究還開發了列線圖，顯示預測與實際結果一致性良好。總之，這些因素與非手術ECMO病人的住院死亡率有顯著關聯。 PubMed DOI