糖尿病腎病是慢性腎病（CKD）導致死亡的主要原因，也是需要腎臟替代療法的關鍵因素。儘管已有SGLT2抑制劑和finerenone等新療法，但CKD患者仍面臨腎功能惡化和死亡的風險。未來應重點在於早期識別高風險個體，以便採取預防措施，並改善已存在CKD患者的治療。最近的研究顯示，透過尿液肽組學分類器CKD273分析273種尿液肽，能有效識別高風險個體，可能讓我們在CKD出現前就能進行介入。 PubMed DOI

這項研究探討了健康人群中新發性腎小管濾過率（GFR）下降的生物標記，持續了20年，涵蓋1,087名參與者。研究分析了445種蛋白質和119,765種基因表達，找出與GFR下降相關的因素。主要發現包括幾種蛋白質（如PLC和胎盤生長因子）及基因（如CCL18和SESN3）與GFR下降獨立相關，還發現一對新型miRNA-mRNA（MIR1205-DNAJC6）。研究指出，細胞外基質變化、心血管重塑和炎症是GFR下降的重要因素，這些生物標記可能有助於預防腎功能下降。 PubMed DOI

糖尿病腎病是糖尿病的一種嚴重併發症，分為四種類型：經典型、白蛋白尿回歸型、腎功能快速下降型（RDKF）和非蛋白尿型。特別是快速進展型糖尿病腎病，因為它比經典型更快導致末期腎病，令人擔憂。儘管其嚴重性，對這種情況的了解仍然不足。本文將回顧最新的遺傳和臨床風險因素，以增進對快速進展型糖尿病腎病的認識，改善診斷和治療選擇。 PubMed DOI

這項研究旨在建立一個基於蛋白質組學的風險評分，預測有心血管疾病病史的慢性腎病患者的次級心血管事件。研究分析了1,067名慢性腎功能不全參與者的4,638種血漿蛋白，並開發了一個包含16種蛋白質的風險模型。這個模型在預測上超越了傳統臨床模型，年化接收者操作特徵曲線下面積（AUC）達0.77到0.80，顯示出更優越的預測能力，並揭示了與心臟重塑及血管疾病相關的生物機制。 PubMed DOI

這項研究針對青少年2型糖尿病患者的早期糖尿病腎病(DKD)進行調查，強調了需要早期風險指標以應對併發症。研究分析了TODAY研究中6596種蛋白質在血漿樣本的表現，找出與白蛋白尿、腎功能快速下降及過濾過多相關的多蛋白簽名。結果顯示，許多參與者早期出現DKD，且特定蛋白質與病情惡化時間有關。彈性網Cox回歸分析顯示，結合臨床數據與蛋白質組學的預測模型能有效提升對DKD機制及潛在干預措施的理解。 PubMed DOI

糖尿病腎病（DKD）是糖尿病患者常見的併發症，影響約25-40%的人。研究顯示，尿液中的特定蛋白生物標記與DKD的早期進展有關。分析461名2型糖尿病患者的尿液樣本後發現，尿液表皮生長因子（EGF）水平較高可降低快速進展的風險，而脂肪酸結合蛋白3（FABP3）和血管細胞黏附分子1（VCAM1）則與進展風險增加相關。這些發現可能有助於DKD的早期預測與管理。 PubMed DOI

這項研究探討了在腎衰竭風險方程式（KFRE）中加入生物標記物變化（如eGFR和蛋白尿），是否能提升對eGFR <30 ml/min/1.73 m²患者的透析依賴性預測準確性。研究分析了4,499名成人的數據，發現422名患者最終需要透析。結果顯示，加入生物標記物變化後，KFRE的預測準確性顯著提升，C統計量從0.862增至0.921，淨重新分類指數（NRI）為0.773，顯示這樣的改進能幫助醫生更好地識別高風險患者並改善管理。 PubMed DOI

一項針對594名糖尿病和慢性腎病參與者的研究發現，血漿中的可溶性腫瘤壞死因子受體1和2（TNFR1、TNFR2）及可溶性尿激酶型纖溶酶原激活劑受體（suPAR）水平較高，與死亡風險增加有關，且與腎功能無關。研究中，隨訪7年內332名參與者去世，結果顯示這些生物標記物的濃度每增加一個標準差，死亡風險顯著提高。相較之下，其他生物標記物如KIM-1、YKL-40和MCP-1的相關性較弱。這顯示TNFR1、TNFR2和suPAR在評估糖尿病及CKD患者死亡風險方面的重要性。 PubMed DOI

這項研究旨在找出能預測急性腎損傷（AKI）後慢性腎病（CKD）長期風險的臨床變數和生物標記。研究分析了723名住院AKI患者的數據，使用機器學習技術預測三年內的重大不良腎事件（MAKE）。結果顯示，28%的患者在三年內發生MAKE，且預測模型表現良好。重要的預測因子包括白蛋白尿和利尿劑使用。研究結論指出，結合臨床數據和生物標記能有效識別高風險患者，促進個性化護理，改善長期結果。 PubMed DOI

這項研究旨在透過結合與腎小管健康及損傷相關的生物標記，預測兒童慢性腎臟病（CKD）的進展。研究分析了599名年齡6個月到16歲的兒童數據，結果顯示34%經歷CKD進展。研究人員建立了一個基於生物標記的預測模型，發現尿液白蛋白/肌酸酐和尿液EGF/肌酸酐是最重要的預測因子。納入這些生物標記後，模型的預測準確性顯著提升，顯示這些標記能有效增強對兒童CKD進展的預測能力。 PubMed DOI