這項研究的目的是開發和驗證機器學習模型，以預測接受腹膜透析（PD）患者近期的全因死亡和心血管死亡。研究涵蓋7,539名PD患者，並採用5折交叉驗證法進行數據分組。模型利用患者的人口統計、臨床特徵、實驗室結果及透析相關變數進行預測。結果顯示，模型在測試集中的預測能力強，全因死亡的AUROC達0.8767，心血管死亡的AUROC達0.9026，且精確度-召回曲線得分也很高。CVDformer模型在預測PD患者三個月內的死亡方面表現優異，但未來仍需進一步校準。 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

這項研究探討持續性心率升高（pe-HR）與敗血症相關急性腎損傷（S-AKI）患者的死亡率關聯，使用因果推斷和機器學習技術。pe-HR 定義為心率在 12 小時內超過每分鐘 100 次，且持續至少 11 小時。結果顯示，pe-HR 患者的 90 天死亡風險提高 1.62 倍，住院期間則提高 1.22 倍。研究建議，使用 β-adrenergic 受體阻滯劑可能有助於延長生存期。此外，將 pe-HR 融入預測模型可提升生存預測準確性。 PubMed DOI

這項研究分析了重症急性腎損傷（AKI）需要持續腎臟替代療法（CKRT）的重症兒童在九年間的不良結果。217名患者中，近一半在醫院內去世，平均住院42.71天，ICU住26.88天，使用呼吸器21.04天。高基線腎小管過濾率（eGFR）、血管活性藥物使用、輸血次數及液體平衡百分比（PFB）等因素與高死亡率相關。長期追蹤中，16%患者在1.3年內去世，23%倖存者面臨慢性腎病風險。研究強調可調整的風險因素對短期及長期預後的重要性。 PubMed DOI

這項研究建立了一套評分系統，能預測85歲以上新開始血液透析患者的3年存活率。系統根據八項指標（如低BMI、心血管疾病、癌症、行走困難等）給分，分數越高，死亡風險越大。預測準確度不錯，未來可協助醫師評估是否建議高齡患者接受透析，但還需更多族群驗證。 PubMed DOI

ECMO 在 COVID-19 疫情期間用得越來越多，但常見併發症像急性腎損傷和體液過多會影響治療效果。腎臟替代治療（KRT）能搭配 ECMO 使用，方法和時機各醫院不一樣。這篇綜述整理了 ECMO 患者發生腎損傷的原因、KRT 的選擇，以及兩者合併治療的影響。 PubMed DOI

這項研究開發了KSGN分數，能預測韓國70歲以上患者開始血液透析後6個月內的死亡風險。分析1,751位患者資料，發現高齡、特定腎病、癌症史、白蛋白低、沒治療高血壓及血管通路未準備好是主要風險因子。KSGN分數預測準確度優於現有模型，未來可協助醫師為年長患者做更合適的透析治療決策。 PubMed DOI

這項針對113位接受CKRT的重症兒童研究發現，死亡率為26.6%。最主要的死亡預測因子是血流動力學不穩定（需用升壓藥）和凝血異常（未用heparin）。其他高死亡率相關因素有：疾病嚴重、敗血症、插管久、低白蛋白、多重原因腎損傷及單純體液過多。血流動力學不穩定是最強的死亡預測因子。 PubMed DOI

這項研究用AI分析95位接受CKRT的重症新生兒和嬰兒，發現尿量少、肌酸酐上升多、延遲治療和低血壓會提高住院死亡風險（死亡率47.3%）。存活者中有三成出院時有蛋白尿，和高肌酸酐及原發性腎病有關。AI模型有助於找出影響短期預後的關鍵因素。 PubMed DOI