這項研究旨在利用上海的敗血症患者數據建立一個預測模型，用於預測與敗血症相關的急性腎損傷（SA-AKI）。這個模型包括五個指標，展現出良好的預測表現，並在內部和外部驗證組中展現出臨床應用價值。所開發的圖表模型可以幫助識別有SA-AKI風險的患者，以便進行更好的臨床管理。 PubMed DOI

研究利用機器學習預測SA-AKI患者在醫院內的死亡率，使用MIMIC-IV數據庫，並開發了隨機森林模型。通過特徵選擇和交叉驗證，確定了11個影響死亡風險的變數。該模型在預測死亡率方面表現良好，對ICU中SA-AKI患者的醫院內死亡率有潛力。 PubMed DOI

研究發現在急性腎損傷患者中，特別是敗血症相關的病例，presepsin可能有預測死亡率的價值。雖然整體預測效果比其他評分系統差，但在敗血症相關的病例中有潛力。在這些病例中，presepsin水平可獨立預測28天死亡率，顯示可能對敗血症相關急性腎損傷患者的預後有幫助。 PubMed DOI

新的預測模型U-AKIpredTM能夠在12小時內預測危重病患中的急性腎損傷（AKI），結合了三個關鍵生物標誌，顯示出比其他生物標誌更好的預測表現。模型在訓練集和驗證集中表現準確，並創建了基於預測性能最佳化的等高線圖。U-AKIpredTM在預測AKI和嚴重AKI方面優於NephroCheck®，是危重病房中識別高風險AKI患者的重要工具。 PubMed DOI

人工智慧，特別是機器學習，在預測敗血症相關的急性腎損傷（AKI）方面展現潛力。2023年4月28日的系統性回顧分析了2898篇文獻，最終選出25篇相關研究。結果顯示，邏輯回歸和極端梯度提升是最常用的演算法，預測模型主要分為早期識別、預後預測和亞型識別。關鍵因子包括血清肌酸酐、乳酸、年齡等。然而，研究質量普遍較低，需改善臨床效用評估及增強模型實用性。 PubMed DOI

這項研究針對尿路結石患者的急性腎損傷（AKI）風險因素進行調查，並建立早期檢測AKI的預測模型。研究分析了1,016名急診患者，發現18.7%發展為AKI。透過多因素邏輯回歸，識別出年齡、發燒、糖尿病等獨立風險因素。預測模型的ROC曲線下面積（AUC）為0.818，顯示良好表現，並具臨床實用性，能幫助醫生識別高風險患者，改善預後。 PubMed DOI

最近甘肅省醫院進行了一項研究，調查急性胰臟炎患者在30天內發生重大不良腎事件的風險因素。研究納入391名患者，分為無MAKE30的320名和有MAKE30的71名。透過邏輯回歸分析，識別出性別、呼吸頻率、肌酸酐、白介素6等獨立風險因素。研究團隊開發的列線圖顯示出良好的預測能力（AUC = 0.842），超過傳統SOFA評分，並在不同病因中均有效，為急性胰臟炎患者的風險評估提供了新工具。 PubMed DOI

急性疾病品質倡議（ADQI）工作小組已定義敗血症相關的急性腎損傷（SA-AKI），但對早期和晚期SA-AKI的預後及風險因素尚缺乏深入研究。一項利用MIMIC-IV數據庫的回顧性研究發現，早期SA-AKI患者在腎臟恢復、住院及重症監護病房時間上表現較好，且死亡率相似。雖然早期患者使用腎毒性藥物比例較高，但他們的腎臟恢復情況更佳。未來需進一步探討這兩種SA-AKI的臨床結果及潛在機制。 PubMed DOI

急性腎損傷（AKI）在住院兒童中常見，因此開發可靠的預測模型來評估AKI後的結果非常重要。本研究分析了來自中國兩家兒童醫院的8,205名AKI住院兒童，主要評估住院死亡率及28天內需透析的情況。研究使用遺傳算法選擇特徵，並採用隨機森林模型進行預測，結果顯示該模型在預測住院死亡率的AUROC達0.854，透析需求的AUROC更高達0.889，且表現優於傳統的兒童重症疾病評分，顯示出良好的臨床應用潛力。 PubMed DOI

急性腎損傷（AKI）在重症監護病房（ICU）病人中很常見，且與高 morbidity 和 mortality 相關。因為目前沒有針對 AKI 的特效藥，持續性腎臟替代療法（CRRT）成為主要治療。本研究建立並驗證了一個預測重症 AKI 病人在接受 CRRT 後 90 天死亡率的模型。研究分析了1121名病人的數據，並利用Cox比例風險回歸開發了預測模型，包含七個預測因子。模型在訓練組和驗證組中表現良好，能有效識別高風險患者。 PubMed DOI