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

腎移植手術和治療進步提高了短期存活率。研究顯示，1995-2014年澳紐腎移植數據改善了長期結果，5年和10年的移植失敗率下降，中長期存活率提高。排斥反應、血管原因、死亡和腎小球疾病導致的失敗也減少。 PubMed DOI

現代臨床流行病學中的競爭風險分析有兩大目的：首先是理解病因與結果之間的關聯，幫助醫師識別影響結果的因素；其次是評估病人的風險，透過子分佈風險模型提供病人風險的見解。以等待已故捐贈者腎臟移植的病人為例，需考慮接受DDKT、接受活體捐贈、因病人死亡或健康惡化而移除等四種結果。了解子分佈風險比（HRs）及正確估算DDKT的中位等待時間，對於臨床決策至關重要，應避免使用不適當的估計方法。 PubMed DOI

這項研究探討邊際品質腎臟移植的使用情況，並評估一個新提議的評分系統，涵蓋延遲移植物功能（DGF）、腎功能恢復（RFR）及移植後90天的腎小管過濾率（GFR）。分析了221名腦死亡捐贈者和223名接受者的數據。主要發現顯示，經歷DGF的接受者，移植物喪失風險顯著增加，而90天GFR低於30 ml/min/1.73m²的接受者也面臨較高的失敗風險。然而，研究指出這些因素的組合無法有效預測短期的病人和移植物存活率。 PubMed DOI

這項研究探討影響小兒腎臟移植存活的因素，並運用機器學習技術分析1994至2021年間465名小兒患者的數據。研究發現，56.7%的患者為男性，平均年齡12.08歲，73.1%的移植來自活體捐贈者。機器學習模型顯示，抗體介導的排斥反應及腎小管過濾率等因素對移植物存活影響重大。邏輯回歸和SVM模型的準確率高達96.5%。結論指出，機器學習可助於識別關鍵因素，未來可改善小兒腎臟移植的結果。 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

這項研究探討腎臟移植時的心血管風險評分與受者長期結果的關聯，納入4,682名韓國腎臟移植受者。結果顯示，較高的Framingham風險評分與死亡率及重大心血管事件增加有關，且顯著提高死亡風險（HR 3.20）及心血管事件風險（HR 8.43）。低風險評分的受者腎功能較佳，但該評分無法預測移植物損失或腎功能快速下降。總之，Framingham風險評分對腎臟移植受者的心血管事件、死亡率及腎功能預測具價值。 PubMed DOI

這項研究開發了一個動態貝葉斯模型，旨在預測腎臟移植受者的長期存活率及移植物存活率，透過分析腎小管過濾率（eGFR）的變化。研究資料來自1980至2017年間的14,915名成年腎臟移植受者。結果顯示，eGFR的下降與移植物喪失及死亡風險增加有顯著關聯。該模型在預測移植物5年內的喪失時，推導隊列的AUC值為0.83，驗證隊列為0.81，顯示出良好的預測性能，能幫助識別高風險患者，改善早期介入策略。 PubMed DOI

本研究探討調控細胞死亡（RCD）在移植後同種移植物纖維化中的角色，以提升移植物存活率。研究利用微陣列轉錄組分析和單核細胞測序數據，識別出差異表達的RCD基因，並評估九種RCD模式的富集情況。結果顯示，RCD活化在實質細胞和非實質細胞間存在異質性，並發現與腎臟纖維化相關的9基因簽名（RCD風險分數）能有效預測移植物存活率。研究還指出RCD途徑與免疫特徵的關聯，並提出潛在的治療靶點。 PubMed DOI

本研究旨在利用人工智慧（AI）演算法，開發一個更有效的風險分層工具，以改善英國活體捐贈腎臟移植的選擇過程。我們分析了2007至2022年間的12,661例術前數據，並測試了四個機器學習模型。結果顯示，XGBoost模型在移植物存活率的預測上表現最佳，顯示出良好的預測能力。這種基於AI的模型有潛力改善捐贈者與受贈者的配對，並提升腎臟配對交換計畫的成效，展現AI在醫療領域的應用價值。 PubMed DOI