這項研究針對自體動靜脈瘻管（AVF）發生血栓的風險，開發並驗證了機器學習模型。研究在哈爾濱醫科大學第二附屬醫院的血液透析中心進行，涵蓋270名患者，時間範圍為2021年3月至2022年12月。結果顯示，105名患者出現AVF血栓，52.6%的AVF患者有長期併發症，血栓最為常見。研究開發了五種機器學習模型，評估結果顯示其預測AVF血栓風險的準確性高，對早期臨床介入有幫助。 PubMed DOI

這項研究針對接受持續性腎臟替代療法（CRRT）且未使用抗凝劑的患者，預測電路凝固的風險，特別是對有出血風險的患者。研究分析了212名患者的數據，並根據CRRT開始後24小時內的凝固事件分為高風險和低風險組。使用八種機器學習方法，集成學習模型的預測性能最佳，AUC達0.863，隨機森林模型則為0.819。關鍵因素包括血小板計數、過濾分數和三酸甘油脂。研究顯示，這模型可協助醫生制定個性化治療策略，改善患者結果並降低醫療成本。 PubMed DOI

本研究探討CHA2DS2-VASc評分在預測慢性腎病（CKD）接受維持性血液透析（MHD）患者的心血管及全因死亡率的有效性。研究分析了237名巴西薩爾瓦多的患者，結果顯示評分大於2的患者死亡風險顯著較高，未調整的全因死亡風險比為2.05，心血管死亡風險比為3.53。即使調整多項因素後，這些結果仍然成立。研究團隊還開發了修訂版CHA2DS2-VASc評分，顯示其在預測MHD患者死亡風險方面的潛在應用價值。 PubMed DOI

這項研究分析了接受維持性血液透析的老年患者跌倒風險因素，並開發了一個預測模型來識別高風險個體。研究追蹤了871名來自成都市九家醫院的老年患者，跌倒發生率為31.96%。透過多變量邏輯回歸，識別出年齡、性別、視力障礙、低血壓、認知障礙和憂鬱症等獨立風險因素。該預測模型經過驗證，顯示出良好的預測性能，能幫助醫生早期識別高風險患者，減少跌倒相關傷害。 PubMed DOI

面臨腎衰竭的病人在接受維持性透析時，面臨中風和出血的風險。為了評估現有預測模型的有效性，進行了一項系統性回顧，納入截至2024年1月12日的相關研究。結果顯示，雖然有八項研究符合標準，但並未找到專門針對透析病人的中風預測模型，僅有兩項針對出血風險的評分。常用的評分系統在透析人群中表現不佳，顯示目前的預測模型不足，因此亟需開發新的風險評分系統以改善臨床決策。 PubMed DOI

這項研究開發了一個風險模型，利用心電圖（ECG）結果來預測接受血液透析（HD）患者的全因死亡率。研究涵蓋454名患者，期間從2008年到2021年。研究人員透過多變量Cox回歸分析找出關鍵預測因素，如年齡、血清白蛋白、中風病史、心房顫動及QT間期。隨訪三年中，21.5%的患者去世，預測模型的曲線下面積（AUC）達0.83，顯示良好區分能力，並能早期識別高風險患者，提供更安全的治療策略。 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

本研究評估了2021至2023年間在西華醫院接受區域檸檬酸抗凝治療（RCA）進行持續性腎臟替代療法（CRRT）的患者中，檸檬酸累積（CA）的風險。分析了1,259名患者，訓練組CA發生率為16.2%，驗證組為16.7%。研究團隊透過二元邏輯回歸建立風險預測模型，並創建列線圖，顯示良好預測準確性。模型對識別高風險患者具臨床實用性，成功幫助醫師在RCA-CRRT過程中識別CA風險。 PubMed DOI

這項研究用四家醫院的資料，開發並驗證一個機器學習模型，能預測洗腎病人心臟瓣膜鈣化的風險。模型根據五個臨床指標建立，最後發現邏輯迴歸的表現最穩定。這工具有助於早期發現高風險患者，提升洗腎病人心臟瓣膜鈣化的篩檢和管理效率。 PubMed DOI

這項研究針對1,016位洗腎病人，開發了一個預測自體動靜脈瘻管血栓風險的工具。研究發現五個重要風險因子，包括hs-CRP、導管使用史、洗腎時間、瘻管狹窄和非高密度脂蛋白膽固醇。這個模型預測準確度高（AUC約0.82），能幫助醫師評估病人血栓風險。 PubMed DOI