External validation of a 2-year all-cause mortality prediction tool developed using machine learning in patients with stage 4-5 chronic kidney disease.
慢性腎臟病第4至第5期患者使用機器學習開發的2年全因死亡預測工具的外部驗證 J Nephrol 2024-07-04

一項研究驗證了一個基於機器學習的工具，用於預測慢性腎臟病（CKD）第4或第5期患者的2年全因死亡率。當應用到獨立數據集時，這個工具在準確性、敏感性和特異性方面表現出令人滿意的性能。該研究建議，這個預測工具可能有助於改善CKD患者的個別臨床結果。 PubMed DOI

Incorporation of Chest Computed Tomography Quantification to Predict Outcomes for Patients on Hemodialysis with COVID-19.
將胸部電腦斷層定量納入預測 COVID-19 患有透析的病人結果的研究。 Kidney Dis (Basel) 2024-08-12

這項研究針對接受維持性血液透析的COVID-19患者，因為他們面臨高風險。研究在上海第六人民醫院進行，對確診患者進行回顧性分析，並將其分為訓練組和驗證組。研究團隊利用人工智慧分析胸部CT及臨床數據，找出關鍵預後因素，如年齡、糖尿病等。最終開發出一個預測工具，能有效預測患者在14天和28天後的結果，對臨床醫生管理這類患者的COVID-19有幫助。 PubMed DOI

Predicting long-term mortality of patients with postoperative acute kidney injury following noncardiac general anesthesia surgery using machine learning.
使用機器學習預測接受非心臟全身麻醉手術後出現術後急性腎損傷患者的長期死亡率。 Kidney Res Clin Pract 2024-10-09

這項研究探討術後急性腎損傷（PO-AKI）與長期死亡風險的關聯，並運用先進的機器學習方法提升預測準確性。研究分析了199,403名患者的數據，發現PO-AKI患者的生存率顯著低於未發展此病的患者。使用XGBoost模型的預測準確性最高，顯示機器學習技術在預測PO-AKI後的死亡率上具有潛力，能幫助改善臨床干預和患者結果。 PubMed DOI

Prediction of dialysis adequacy using data-driven machine learning algorithms.
使用數據驅動的機器學習算法預測透析充分性。 Ren Fail 2024-11-11

這項研究探討如何利用機器學習模型預測慢性透析病人的血液透析適切性，特別是spKt/V。傳統方法需在透析前後採血，限制了評估頻率。研究分析了373名末期腎病患者的1869次透析數據，聚焦87個相關變數。經過數據預處理後，開發了六個二元分類模型，隨機森林模型表現最佳，AUROC分數分別為0.860和0.873。關鍵預測因素包括血管通路、性別、體重指數等。結果顯示，機器學習能有效預測透析適切性，未來可望在臨床中進行非侵入性評估。 PubMed DOI

Predicting In-Hospital Mortality in Patients With End-Stage Renal Disease Receiving Extracorporeal Membrane Oxygenation Therapy.
預測接受體外膜氧合治療的末期腎病患者住院死亡率。 Cardiorenal Med 2025-01-08

本研究探討接受體外膜氧合（ECMO）治療的末期腎病（ESRD）患者在住院期間的死亡風險。研究回顧了2009年至2022年間90名接受靜脈動脈ECMO的成人ESRD患者的醫療紀錄，排除14名在ECMO啟動後24小時內死亡的患者。結果顯示住院死亡率高達69.7%，心源性休克為最常見診斷，感染則為主要併發症。APACHE II分數被確認為獨立死亡風險因子，且分數≤29的患者在6個月生存率上顯著優於分數>29的患者。研究強調APACHE II分數在預測ESRD患者住院死亡風險中的重要性。 PubMed DOI

Construction of a C-reactive protein-albumin-lymphocyte index-based prediction model for all-cause mortality in patients on maintenance hemodialysis.
基於C反應蛋白-白蛋白-淋巴細胞指數的預測模型建構：對維持性血液透析患者全因死亡率的預測。 Ren Fail 2025-01-14

本研究探討C-反應蛋白-白蛋白-淋巴細胞指數（CALLY指數）與維持性血液透析（MHD）患者死亡率的關聯。研究分析了436名MHD患者，結果顯示CALLY指數是死亡率的重要保護因素。透過多變量邏輯回歸，識別出多項影響死亡率的因素，並開發了列線圖來預測死亡風險，AUC達0.821，顯示高區分能力。研究強調CALLY指數在預測血液透析患者結果中的潛力。 PubMed DOI

Machine learning for identification of short-term all-cause and cardiovascular deaths among patients undergoing peritoneal dialysis.
機器學習在接受腹膜透析患者中識別短期全因死亡和心血管死亡的應用。 Clin Kidney J 2025-03-05

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

Development and validation of a prediction model for 90-day mortality among critically ill patients with AKI undergoing CRRT.
針對接受 CRRT 的重症 AKI 患者 90 天死亡率預測模型的開發與驗證。 J Nephrol 2025-03-10

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

Development and external validation of a machine learning model for cardiac valve calcification early screening in dialysis patients: a multicenter study.
透析病人心臟瓣膜鈣化早期篩檢之機器學習模型的開發與外部驗證：多中心研究 Ren Fail 2025-04-25

這項研究用四家醫院的資料，開發並驗證一個機器學習模型，能預測洗腎病人心臟瓣膜鈣化的風險。模型根據五個臨床指標建立，最後發現邏輯迴歸的表現最穩定。這工具有助於早期發現高風險患者，提升洗腎病人心臟瓣膜鈣化的篩檢和管理效率。 PubMed DOI

Prediction model for 6-month mortality in incident older hemodialysis patients in South Korea.
南韓新發年長血液透析患者之六個月死亡率預測模型 Kidney Res Clin Pract 2025-04-30

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

原始文章

站上相關主題文章列表