研究發現KFRE在CKD-EPI 2021 eGFR下仍準確，但在特定情況下可能低估或高估風險。新模型結合樣條項和考慮死亡風險，改善了某些亞組的預測，但整體表現未有明顯提升。總結來說，KFRE在CKD-EPI 2021方程式下表現穩定，額外變數未顯著提升預測能力。 PubMed DOI

評估腎衰竭風險方程式對澳洲慢性腎臟病患者的預測準確性，追蹤406名患者5年後發現準確預測腎衰竭風險。年齡、性別、腎功能、尿白蛋白、糖尿病、吸菸和族裔等因素與風險增加相關，並強調了合併症對腎臟疾病進展的影響。 PubMed DOI

研究探討KFRE和eGFR對晚期慢性腎臟疾病患者達到腎衰竭時間的預測關係。結果顯示，在eGFR<15或KFRE>40%的患者中，兩者皆與達到腎衰竭時間有相似關係。使用eGFR或KFRE可幫助臨床決策，提供患者預後諮詢。 PubMed DOI

研究探討在約翰霍普金斯醫學院腎臟科診所實施KFRE的情況。醫護人員對於如何應用KFRE分數在臨床護理中存在不確定性，建議加強教育以提高其效用。總結來說，KFRE的實施受到醫護人員間採用不均勻和對其角色理解有限的影響。 PubMed DOI

研究發現將KFRE納入CKD患者血管通路規劃，可提高AVF/G使用時機，減少過早製作AVF/G，有助於優化資源利用及改善患者結果。需要進一步研究確認結果。 PubMed DOI

這項研究探討了循環蛋白濃度變化與糖尿病患者快速腎衰竭的關聯。研究中，183名糖尿病患者的452種循環蛋白在基線及3-4年後被測量。結果顯示，40種蛋白的濃度變化能有效預測快速腎衰竭，且預測效果優於傳統指標。研究還識別出61種獨特蛋白，其中25種在不同測量中均為有效預測因子。這些發現強調了多蛋白預後算法在提升快速腎衰竭風險預測的潛力。 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

這項研究評估了13種預後生物標記對自體顯性多囊腎病（ADPKD）患者腎臟疾病進展的預測效果，涉及596名患者，平均隨訪5年。主要發現顯示，患者的腎小管過濾率平均每年下降3.46 mL/min/1.73m²，超過一半的患者出現快速進展。特定生物標記如尿液白蛋白/肌酸酐等被證實是重要的預測因子，並能提升風險模型的預測準確性。研究建議將這些標記整合進風險分層工具，以提高ADPKD患者的預測精確性。 PubMed DOI

這項研究探討了新的腎小球過濾率（eGFR）方程式對健康風險的影響，特別是EKFC和LMR方程式與CKD-EPIASR-NB2009的比較。研究涵蓋285,686名參與者，發現EKFC和LMR的eGFR估計值均低於CKD-EPI，且將更多人分類為腎功能受損。這些方程式在辨識死亡及腎衰竭風險方面表現更佳，顯示其在臨床決策中的重要性，需謹慎考量不同方程式的優缺點。 PubMed DOI