這項研究分析了接受維持性血液透析的老年患者跌倒風險因素，並開發了一個預測模型來識別高風險個體。研究追蹤了871名來自成都市九家醫院的老年患者，跌倒發生率為31.96%。透過多變量邏輯回歸，識別出年齡、性別、視力障礙、低血壓、認知障礙和憂鬱症等獨立風險因素。該預測模型經過驗證，顯示出良好的預測性能，能幫助醫生早期識別高風險患者，減少跌倒相關傷害。 PubMed DOI

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

透析期間的低血壓（IDH）是血液透析常見問題，可能影響健康。最近有一種新方法，透過外部壓力波傳感器，實時估算透析期間的收縮壓（SBP）。本研究評估這種估算器的準確性，與傳統臂帶測量比較。 在單一中心進行的觀察性研究中，21名參與者在兩次4小時的透析中進行監測。結果顯示，實時SBP估算與臂帶測量有強烈相關性，平均差異小且無系統性偏差。95%的實時估算結果在臂帶測量的30%範圍內，顯示出進一步開發的潛力，且不會增加患者負擔。 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

這篇系統性回顧發現，目前用機器學習預測血液透析中低血壓的模型雖然表現不錯，但多數研究有偏倚問題，且缺乏外部驗證，臨床應用有限。未來應加強外部和臨床驗證，才能提升實際應用價值。 PubMed DOI

研究人員開發了一套針對糖尿病腎病變患者的風險預測模型，結合臨床資料和四種血液生物標記，能準確預測三年內重大心腎事件（C-statistic 0.80）。這模型可將患者分為低、中、高風險，低風險陰性預測值達94%，高風險陽性預測值有58%。不同族群驗證都有效，且用canagliflozin治療能降低所有風險層級的事件發生率。 PubMed DOI

一項6週、31位洗腎患者的研究發現，使用血容量變化導引的超濾控制（BV-UFC）系統，可以有效減少洗腎時發生低血壓的次數，效果比傳統方式更好。BV-UFC會根據即時監測自動調整體液移除速率，幫助達到預定移除量，且安全性無虞，有助提升洗腎穩定性與治療效果。 PubMed DOI

這項台灣研究發現，血液透析患者使用DHP-CCBs或alpha blockers，發生透析中低血壓的風險較低；而beta blockers和ACEI/ARBs則沒有明顯影響。對有IDH風險的患者來說，DHP-CCBs和alpha blockers可能是較安全的降壓藥選擇。 PubMed DOI

洗腎病人，特別是有糖尿病的人，若心率變異性異常，長期死亡風險會大幅增加，尤其是心血管死亡。心率變異性檢查有助於找出高風險患者，提升風險預測準確度，並可提供更個人化的照護與預防措施。 PubMed DOI