Prediction of Acute Kidney Injury for Acute Type A Aortic Dissection Patients Who Underwent Sun's Procedure by a Perioperative Nomogram.
透過围手术期诺模图预测接受Sun手术的急性A型主动脉夹层患者的急性肾损伤。 Cardiorenal Med 2023-01-29

研究發現，接受心臟手術的ATAAD患者有20-40%可能發生AKI。為此，他們開發了一個預測模型，可以評估這些患者在手術前後發生AKI的風險。研究納入了224名接受特定手術的ATAAD患者，並分析了多種因素以預測AKI。結果顯示，髂動脈受累、肌酸酐水平等因素可預測AKI。最佳模型的AUC為0.848，顯示其在預測AKI風險方面相當有效。 PubMed DOI

Development and Validation of a Prognostic Nomogram to Predict 30-Day Mortality Risk in Patients with Sepsis-Induced Cardiorenal Syndrome.
發展和驗證一個預測腦搏停30天死亡風險的預後圖表，用於腦搏停誘發的心腎綜合症患者。 Kidney Dis (Basel) 2022-09-28

研究目的是為了開發一個個人化工具，可以預測感染誘發心腎綜合症患者30天內的死亡風險。研究使用了340位患者的數據來建立模型，並用103位患者進行驗證。這個工具考慮了年齡、SOFA分數、血管活性藥物、基線肌酸酐和肌紅蛋白變化率等因素。研究顯示這個工具具有良好的校準性和預測能力，優於單純使用SOFA分數。這個工具有助於臨床評估患者的短期預後，並指導治療。 PubMed DOI

Development of a predictive nomogram for acute respiratory distress syndrome in patients with acute pancreatitis complicated with acute kidney injury.
急性胰腺炎併發急性腎損傷患者急性呼吸窘迫症預測試算圖的建立。 Ren Fail 2023-09-23

急性胰腺炎患者若有急性腎損傷，可能會導致ARDS，增加住院時間和死亡風險。研究使用LASSO迴歸和機器學習開發預測模型，可以辨識高風險患者。模型考慮腹內壓、休克、CRP和LDH等因素，訓練組AUC為0.954，驗證組為0.995，預測效果優秀。這些結果有助於醫師辨識高風險患者，改進治療方針。 PubMed DOI

Construction and validation of a risk prediction model for acute kidney injury in patients after cardiac arrest.
心臟停止後患者急性腎損傷風險預測模型的建立與驗證。 Ren Fail 2023-11-24

這項研究旨在建立一個圖表，用來預測心臟停止後患者發生急性腎損傷（AKI）的風險。這個圖表包含了像是慢性腎臟疾病、白蛋白水平、休克和心率等預測因子。它在預測AKI方面表現良好，具有高度的區分度和臨床實用性。這個圖表可以幫助在心臟停止後高風險患者的早期干預。 PubMed DOI

Development and external validation of a nomogram for the early prediction of acute kidney injury in septic patients: a multicenter retrospective clinical study.
發展並外部驗證一個用於早期預測敗血症患者急性腎損傷的評分卡：多中心回顧性臨床研究。 Ren Fail 2024-02-10

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

Machine learning-based prediction of in-hospital mortality for critically ill patients with sepsis-associated acute kidney injury.
機器學習預測與腎臟急性損傷相關的敗血症危重病患院內死亡率。 Ren Fail 2024-02-22

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

Plasma presepsin for mortality prediction in patients with sepsis-associated acute kidney injury requiring continuous kidney replacement therapy.
請將此醫學文章的標題，翻譯為繁體中文(zh-TW)：「血漿presepsin在需要持續腎臟替代治療的腹膜炎相關急性腎損傷患者中用於預測死亡率。」 Kidney Res Clin Pract 2024-06-27

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

A novel real-time model for predicting acute kidney injury in critically ill patients within 12 hours.
一個新穎的即時模型，可在12小時內預測危重症患者的急性腎損傷。 Nephrol Dial Transplant 2024-07-17

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

Predictive models of sepsis-associated acute kidney injury based on machine learning: a scoping review.
基於機器學習的敗血症相關急性腎損傷預測模型：範疇回顧。 Ren Fail 2024-07-31

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

Development and validation of a predictive model for acute kidney injury in patients with ureterolithiasis.
尿路結石患者急性腎損傷預測模型的開發與驗證。 Ren Fail 2024-08-23

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

原始文章

站上相關主題文章列表