慢性腎病（CKD）的風險分層越來越被重視，成為提升治療和預防的重要工具。這篇綜述探討機器學習（ML）在臨床風險分層中的應用，主要方法包括基因組學和電子健康紀錄（EHR）。四種主要的風險分層方法為：基因組學透過多基因風險分數評估風險；多組學整合生物標記數據；監督式機器學習利用EHR數據進行預測；非監督式機器學習則將患者分群以制定個別護理方案。這些工具有助於提升CKD的風險分層能力，促進更個性化的管理策略。 PubMed DOI

利用機器學習演算法分析CKD患者的腎臟纖維化程度，XGBoost模型表現優異，AUC達0.97。SHAP方法有助於解釋模型輸出，顯示腎小球過濾率對預測影響最大。這有助於臨床醫生制定CKD患者的治療策略。 PubMed DOI

環境污染，特別是空氣污染，顯著影響全球疾病負擔，包括腎臟疾病。暴露於污染物的短期風險會增加與腎臟疾病相關的事件，而長期暴露則可能導致慢性發炎和氧化壓力，加速疾病進展。氣候變化也可能與污染物互動，影響腎臟健康。需要更多跨學科研究和環境衛生政策來應對環境腎臟疾病，並改善全球腎臟健康。 PubMed DOI

鉛暴露對健康影響尚不明確，特別是對腎功能和CKD患者。研究指出，即使是低水平的鉛暴露也可能對CKD患者造成負面影響。因此，有必要進一步研究是否需要更嚴格的環境法規來保護公眾健康。 PubMed DOI

本研究針對慢性腎臟疾病（CKD）進行了綜合遺傳分析，利用台灣生物銀行的數據，探討白蛋白尿、基線eGFR及eGFR斜率的關聯。我們透過主成分分析將這些特徵轉換為主成分，並進行GWAS。結果顯示，白蛋白尿有10個候選基因座，基線eGFR有13個，eGFR斜率則有210個，並識別出20個新候選基因座，顯示這些基因與CKD有顯著關聯。這項研究強調了整合多個腎臟特徵的重要性，以深入了解CKD的病理生理。 PubMed DOI

慢性腎臟病（CKD）常被忽視，但全球對於減緩其進展的需求迫切。IMPACT CKD微模擬模型研究了CKD的進展，考量臨床事件及合併症影響，並利用腎小管過濾率（eGFR）和尿白蛋白水平評估病情。模型預測到2032年CKD患者將增加7.7%，特別是晚期CKD及透析、移植患者。這將導致水資源使用增加75%、化石燃料耗竭及二氧化碳排放上升，預估成本達19.5億英鎊。這些結果有助於評估健康政策及治療策略。 PubMed DOI

這項研究針對免疫球蛋白A腎病（IgAN）患者，特別是慢性腎病（CKD）第3或第4期且有顯著蛋白尿的情況，開發了一個預後模型。研究分析了263名患者，隨訪平均57.3個月，發現腎小球過濾率（eGFR）較低和蛋白尿較高的患者，末期腎病（ESKD）風險增加。使用隨機生存森林（RSF）等多種技術，RSF模型的預測性能最佳，顯示出七個重要風險因素，並有效預測IgAN患者的病程進展。 PubMed DOI

這項社區研究調查了Hirakud地區農業的慢性腎臟病（CKD）和不明原因的慢性腎臟病（CKDu）以及貧血的流行率。研究發現，農藥殘留和重金屬（如鎘、鉻、鉛、砷）在土壤和水中濃度過高，特別是在農民中，CKDu相當普遍。這些有毒物質的飲食暴露增加了非致癌風險，且CKD/CKDu患者中貧血情況也很常見。研究強調環境毒素與腎臟健康之間的密切關聯，提醒需注意這些風險。 PubMed DOI

這項研究顯示馬來西亞慢性腎臟病（CKD）日益嚴重，強調了早期識別風險因素的重要性。研究針對3160名多民族參與者，透過腎臟檔案數據分析，找出五個關鍵因素：性別、種族、身體活動、動脈粥樣硬化血漿指數（AIP）和收縮壓。特別是高AIP的男性更易發展CKD。由於CKD早期通常無明顯症狀，這些因素有助於預測高風險個體，未來研究應著重於利用這些因素來預防和管理CKD。 PubMed DOI

這項研究探討急性腎損傷（AKI）、急性腎病（AKD）與慢性阻塞性肺病（COPD）患者的死亡率關聯。研究分析了2,829名住院病人的數據，使用八種機器學習演算法進行預測。結果顯示，AKI發生率為13.71%，AKD為15.11%，整體死亡率為4.84%。LightGBM演算法表現最佳，對AKI、AKD及死亡率的預測準確度分別為0.815、0.827及0.934。研究強調腎功能變化在預測死亡率中的重要性，並開發了網頁應用程式以協助識別高風險患者，改善預後。 PubMed DOI