已證實SGLT2抑制劑可降低腎臟和心血管疾病的器官功能障礙。一項研究探討了SGLT2抑制劑對因敗血症性休克入住ICU的糖尿病患者的影響。使用SGLT2抑制劑的患者與未使用SGLT2抑制劑的患者相比，住院期間死亡率較低。 PubMed DOI

人工智慧，特別是機器學習，在預測敗血症相關的急性腎損傷（AKI）方面展現潛力。2023年4月28日的系統性回顧分析了2898篇文獻，最終選出25篇相關研究。結果顯示，邏輯回歸和極端梯度提升是最常用的演算法，預測模型主要分為早期識別、預後預測和亞型識別。關鍵因子包括血清肌酸酐、乳酸、年齡等。然而，研究質量普遍較低，需改善臨床效用評估及增強模型實用性。 PubMed DOI

這項研究中，研究人員針對急診病人開發了一個預測急性腎損傷（SA-AKI）風險的標準圖。他們分析了391名敗血症病人的數據，分為訓練和驗證兩組，並建立了三個預測模型，最終選擇了包含最少指標的模型3。關鍵因素包括使用血管收縮劑、年齡、血小板計數等。模型顯示高準確性，並在預測30天生存率及重大腎事件方面也具有效性，對急診醫生預防SA-AKI相當有幫助。 PubMed DOI

這項研究評估了電子敗血症篩檢對沙烏地阿拉伯住院病人死亡率的影響。研究涵蓋五家醫院，共60,055名病人，結果顯示篩檢組的90天住院死亡率顯著較低（調整相對風險0.85）。篩檢組在警報後12小時內的血清乳酸檢測和靜脈輸液訂單比率較高，但也導致藍色代碼啟動和腎臟替代治療事件增加。總體而言，電子敗血症篩檢有效改善病人結果，顯示其在降低住院死亡率方面的潛力。該研究已在ClinicalTrials.gov註冊，識別碼為NCT04078594。 PubMed DOI

這項研究比較了兩個開源大型語言模型，Llama-3 8B 和 Mixtral 8x7B，在預測敗血症的表現。新系統 COMPOSER-LLM 結合了大型語言模型，能從非結構化的臨床筆記中提取資訊。經過對 2,074 次病人就診的評估，Llama-3 8B 模型的敏感性為 70.3%，而 Mixtral 8x7B 的敏感性為 72.1%。結果顯示，較小的 Llama-3 模型在早期敗血症預測上表現良好，對資源有限的醫療環境特別重要。 PubMed DOI

這項研究探討腎臟平均灌注壓（MPP）與敗血症相關急性腎損傷（SA-AKI）患者的預後關係，數據來自MIMIC-IV資料庫。研究發現，MPP低於60 mmHg的患者90天死亡率顯著較高，且MPP與死亡率之間存在非線性反比關係。Cox回歸分析顯示，MPP低於60 mmHg是獨立的死亡風險因素，而MPP高於60 mmHg則可降低死亡風險。結果強調監測MPP變化對SA-AKI患者預後的重要性。 PubMed DOI

這項研究開發了一個名為PRIME Solution的AI模型，專門用來預測急性腎損傷（AKI），並評估其對臨床醫師的幫助。模型基於183,221次住院紀錄，並用4,501次進行驗證。結果顯示，專家在無AI支持下的準確率最高，AI的協助提升了召回率和F1分數，並減少了審查時間。對於AKI病例，AI的效果更明顯，專家的表現改善最為顯著。整體來看，AI的協助增強了AKI的預測能力，改善程度依使用者專業程度而異。 PubMed DOI

敗血症是一種因免疫反應不當而引起的嚴重疾病，死亡率高且併發症多。早期檢測和治療對病人預後至關重要，但現有模型常忽略臨床筆記中的重要資訊。本研究提出COMPOSER-LLM，一個開源的大型語言模型，能與COMPOSER模型協同工作，提升早期敗血症預測準確性。測試中，COMPOSER-LLM的敏感性達72.1%，假警報率低，顯示出優於原模型的表現，並強調了其臨床應用潛力。這標誌著醫療分析的一大進步。 PubMed DOI

本研究探討透析期間低血壓（IDH）對接受持續腎臟替代療法（CKRT）的重症兒童住院死亡率的影響。研究結果顯示，IDH與死亡率有顯著關聯，風險比為4.40。透析機器的數據，特別是壓力參數，對預測IDH具有重要性，而傳統血壓變數則較不重要。使用機器學習模型（如CatBoost）能有效預測IDH，這些發現有助於改善兒童CKRT患者的早期檢測與管理，進而提升預後。 PubMed DOI

敗血症是一種嚴重的病況，會引發無法控制的炎症反應，導致多重器官衰竭和高死亡率。持續性腎臟替代療法（CRRT）對於管理敗血性休克患者的液體過載和免疫反應至關重要。本研究分析了2016至2021年間61名ICU患者的液體平衡變化，發現適當的液體管理可將90天死亡率風險降低50%。CRRT雖然縮短住院時間，但因機械通氣需求，間接延長住院天數。維持最佳液體平衡對降低死亡率和併發症至關重要，建議未來進行多中心研究以確認結果。 PubMed DOI