Recent updates in kidney risk prediction modeling: novel approaches and earlier outcomes.
腎臟風險預測建模的最新進展：新方法和早期結果。 Curr Opin Nephrol Hypertens 2023-09-17

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

Validation of the international IgA nephropathy prediction tool in a French cohort beyond 10 years after diagnosis.
法國群眾十年後 IgA 腎炎預測工具的驗證。 Nephrol Dial Transplant 2023-10-11

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

Prognostic prediction of idiopathic membranous nephropathy using interpretable machine learning.
可解釋的機器學習在預測特發性膜性腎病的預後中的應用。 Ren Fail 2023-10-27

透過電子病歷開發了一個機器學習模型，可以預測特發性膜性腎病（IMN）的預後。使用418名IMN患者的數據，建立了五種機器學習算法的預測模型，其中以梯度提升機（LightGBM）模型表現最佳，準確度高。同時，也找出了影響IMN預後的重要風險因素，例如抗磷脂酶A2受體水平和免疫球蛋白G4水平。這個模型有助於個別化管理IMN患者。 PubMed DOI

Development of a novel combined nomogram model integrating deep learning radiomics to diagnose IgA nephropathy clinically.
結合深度學習放射組織學的新型綜合評分模型發展，用於臨床診斷IgA腎病。 Ren Fail 2023-11-13

研究開發了一個結合超級微血管成像（SMI）、深度學習、放射組織學特徵和臨床因素的預測模型，可以區分免疫球蛋白A腎病（IgAN）和非IgAN。經驗證後，發現此模型在準確區分兩種情況上表現優異。這個結合式預測模型可協助醫生為腎病患者制定更明確的治療方針。 PubMed DOI

Machine learning-based 2-year risk prediction tool in immunoglobulin A nephropathy.
免疫球蛋白A腎病的機器學習基礎2年風險預測工具。 Kidney Res Clin Pract 2023-11-03

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

Long-term follow-up of IgA nephropathy: clinicopathological features and predictors of outcomes.
IgA腎病的長期追蹤：臨床病理特徵和預後預測因子。 Clin Kidney J 2023-12-05

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

External Validation of the International Prognosis Prediction Model of IgA Nephropathy.
IgA 腎炎國際預後預測模型的外部驗證。 Ren Fail 2024-02-20

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

Development and external validation of a multidimensional deep learning model to dynamically predict kidney outcomes in IgA nephropathy.
IgA腎病多維深度學習模型動態預測腎臟結果的開發和外部驗證 Clin J Am Soc Nephrol 2024-05-10

研究利用長期數據開發了IMV-LSTM深度學習模型，可預測IgA腎病患者的腎臟結果。結果顯示，此模型在預測腎衰竭或腎功能下降方面表現優異，比先前模型更準確。模型分析發現，時間變量在預測中更重要，近期測量權重較大。軌跡分析顯示，某些變量（如血清肌酸酐和尿蛋白）與不良結果風險較高相關。這個動態深度學習模型可準確預測IgA腎病患者的腎臟預後。 PubMed DOI

Predicting renal damage in children with IgA vasculitis by machine learning.
透過機器學習預測兒童IgA血管炎的腎損傷。 Pediatr Nephrol 2024-06-25

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

Using prediction models to improve care and communicate risk: updated modeling for children with IgA nephropathy.
使用預測模型改善護理和風險溝通：針對 IgA nephropathy 兒童的更新模型。 Kidney Int 2024-10-20

臨床風險預測模型越來越受到重視，其中一個重要的部分是識別需要重新校準的特定群體。最近，《Kidney International》發表了針對兒童的活檢後國際IgA腎病預測工具的更新版本。這篇評論探討了更新所用的方法、該工具在臨床上的適用性，以及與模型開發和應用相關的更廣泛原則。 PubMed DOI

原始文章

站上相關主題文章列表