研究目的是評估接受多次順鉑治療的病人在急性腎損傷（AKI）方面的風險。分析了一家醫院六年的病人資料，確定了年齡、高血壓、糖尿病、血清半胱氨酸蛋白C、尿液腎損傷分子-1和順鉑劑量等因素是AKI的預測因子。研究結果顯示開發的等高線圖具有良好的診斷表現和臨床應用性，可預測AKI風險。建議結合生物標記和臨床因素有助於評估接受多次順鉑治療的病人的AKI風險。 PubMed DOI

這項研究旨在利用上海的敗血症患者數據建立一個預測模型，用於預測與敗血症相關的急性腎損傷（SA-AKI）。這個模型包括五個指標，展現出良好的預測表現，並在內部和外部驗證組中展現出臨床應用價值。所開發的圖表模型可以幫助識別有SA-AKI風險的患者，以便進行更好的臨床管理。 PubMed DOI

研究開發了一個臨床評分，可預測急性腎損傷（AKI）導致末期腎病（ESKD）患者在進行透析治療後90天和12個月內的腎功能恢復。考慮年齡、種族、合併症和先前腎臟病史等因素，將患者分為低、中、高評分組，有助於指導臨床監測，提升對AKI合併ESKD患者的照護。 PubMed DOI

研究使用機器學習預測AKI患者腎功能恢復，分析兩家醫院350,345例病例。模型準確，找出影響恢復的關鍵因素。研究提供預測AKI患者腎功能恢復的見解，但仍需改進和擴充數據集。 PubMed DOI

新的預測模型U-AKIpredTM能夠在12小時內預測危重病患中的急性腎損傷（AKI），結合了三個關鍵生物標誌，顯示出比其他生物標誌更好的預測表現。模型在訓練集和驗證集中表現準確，並創建了基於預測性能最佳化的等高線圖。U-AKIpredTM在預測AKI和嚴重AKI方面優於NephroCheck®，是危重病房中識別高風險AKI患者的重要工具。 PubMed DOI

這項研究針對尿路結石患者的急性腎損傷（AKI）風險因素進行調查，並建立早期檢測AKI的預測模型。研究分析了1,016名急診患者，發現18.7%發展為AKI。透過多因素邏輯回歸，識別出年齡、發燒、糖尿病等獨立風險因素。預測模型的ROC曲線下面積（AUC）為0.818，顯示良好表現，並具臨床實用性，能幫助醫生識別高風險患者，改善預後。 PubMed DOI

本研究建立並驗證了一個網路預測圖，旨在預測接受健康檢查者在四年內發展為慢性腎臟病（CKD）的風險。研究涵蓋兩個健康檢查中心，共9667名參與者，分析了十六個預測因子。結果顯示，年齡、糖尿病病史、收縮壓等是關鍵因子。預測圖在訓練和驗證隊列中均顯示出良好的區分能力，AUC值分別為0.8806、0.8506和0.9183。此外，還開發了網路計算器，方便醫療提供者在臨床上評估CKD風險。 PubMed DOI

這項研究驗證了一個急性腎小管間質性腎炎（AIN）的診斷模型，使用了約翰霍普金斯醫院和耶魯大學的腎臟活檢數據。研究分析了1982名2019至2023年間接受腎臟活檢的患者，發現AIN的活檢確認比例低於開發隊列。模型的區分能力在所有隊列中一致，AUC為0.73。雖然校準不完美，但經過調整後有所改善，並提升了臨床醫師對AIN的懷疑能力，AUC達到0.77。總之，模型需重新校準以符合當地流行率，增強預測能力。 PubMed DOI

這項研究調查了急性間質性腎炎（AIN），這是急性腎損傷的主要原因，分析了2012至2023年間在梅奧診所接受腎活檢的166名患者。主要發現包括： - 藥物是AIN的主要原因（67%），其次是自體免疫疾病（20%）和感染（6%）。 - 76%的患者在六個月內腎功能恢復。 - 中度至重度的間質纖維化和腎小管萎縮會影響恢復，透析需求也有負面影響。 - 藥物相關的AIN恢復率較高（81%對66%）。 - 雖然81%的患者接受類固醇治療，但對恢復率影響不大。 這項研究強調了IFTA和透析需求在預測腎臟結果中的重要性，對AIN患者的管理和預後提供了重要見解。 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