這項研究分析了腎功能指標與死亡風險的關聯，特別針對心血管疾病（CVD）和整體死亡率。研究對366,758名無腎衰竭病史的參與者進行了探索性因素分析（EFA）。在12.5年的隨訪中，有26,327人去世，並記錄了CVD等特定死亡案例。結果顯示，基於胱蛋白酶C的估計腎小管過濾率（eGFRcys）在預測死亡風險方面表現最佳，尤其是對CVD相關死亡的預測能力。研究結論認為，eGFRcys是評估全因及CVD死亡風險的有效指標。 PubMed DOI

這項研究針對老年人新發慢性腎病（CKD）建立了一個簡單的風險預測模型，因為腎功能惡化對這群人來說是一大健康問題。研究包含5,416名65歲以上的參與者，透過多變量Cox回歸分析找出主要預測因子，如年齡、性別、糖尿病等。模型表現良好，兩年、三年和四年的一致性指數分別為0.802，AUC值也相當高。這個模型能有效識別CKD風險，幫助基層醫療進行及時干預。 PubMed DOI

本研究探討慢性腎病（CKD）患者建立血管通路的最佳時機，發現使用腎衰竭風險方程式（KFRE）≥40%作為風險閾值，比傳統的估計腎小管過濾率（eGFR）<15 mL/min/1.73 m²更有效。分析238名患者的數據，結果顯示在中位隨訪10.7個月內，77.6%的患者在KFRE≥40%下發展為末期腎病（ESKD），而eGFR則為65.8%。研究建議在計劃CKD患者的血管通路時，應優先考慮KFRE閾值，以降低過早建立動靜脈瘻管的風險。 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

研究人員開發了一套針對糖尿病腎病變患者的風險預測模型，結合臨床資料和四種血液生物標記，能準確預測三年內重大心腎事件（C-statistic 0.80）。這模型可將患者分為低、中、高風險，低風險陰性預測值達94%，高風險陽性預測值有58%。不同族群驗證都有效，且用canagliflozin治療能降低所有風險層級的事件發生率。 PubMed DOI

虛弱在慢性腎臟病患者中很常見，會增加腎衰竭和死亡風險。研究發現，KFRE 低估有虛弱患者的腎衰竭風險，但若用 cystatin C 估算腎功能並考慮死亡風險，預測會更準確。醫師在評估時，應同時考量虛弱和相關因素。 PubMed DOI