研究分析2000-2020年危重症腎臟學領域前100高影響力文章，主題包括替代療法、急性腎損傷、液體/輸液、兒科、干預措施和围手術護理。文章類型多樣，隨機試驗風險較低。結果凸顯危重症腎臟學的重要性，為教育、研究和質量改進提供寶貴見解。 PubMed DOI

研究發現腎移植生物標誌研究存在設計不佳、方法不透明問題，缺乏外部驗證和調整關鍵因素。建議未來需加強研究設計、數據共享和註冊，以驗證生物標誌在臨床應用中的有效性。 PubMed DOI

腎小球腎炎導致慢性腎臟疾病在英國很常見，需接受腎臟替代治療。代謝組學和蛋白質組學可分析個人蛋白質和代謝物，有助於疾病治療。一項針對腎小球腎炎的系統性回顧顯示，這些技術有助於診斷和管理，但仍需更多研究證實。 PubMed DOI

慢性腎臟疾病（CKD）是全球重要議題，早期檢測很關鍵。對社區電子健康記錄（EHRs）中CKD預測模型的研究發現兩個模型表現不錯，但仍有限制。需要更多研究評估這些模型在臨床上的實際效果。 PubMed DOI

這項研究探討腎臟病學期刊對於報告指引和臨床試驗登記的建議和要求。他們發現，雖然有些期刊確實要求臨床試驗登記，但像CONSORT和PRISMA這樣的報告指引的使用並不普遍。鼓勵更廣泛採用這些指引可能有助於提高腎臟病學研究的質量。 PubMed DOI

這項系統性回顧和統合分析評估了臨床決策支持系統（CDSS）對急性腎損傷（AKI）患者的影響，包含十項隨機對照試驗，共18,355名患者。結果顯示，CDSS對全因死亡率和透析需求無顯著影響，但能顯著降低高鉀血症的發生率，並改善腎小管過濾率（eGFR）的變化。總結來說，CDSS在AKI患者的死亡率和透析需求上未見臨床益處，但對高鉀血症和腎功能改善有正面效果。 PubMed DOI

慢性腎臟病（CKD）是一種常見疾病，可能引發嚴重健康問題。本系統性回顧分析了33項人工智慧（AI）模型在預測CKD進展的有效性。主要發現顯示，這些預測工具的合併敏感度為0.43，特異度高達0.92，顯示出良好的識別能力。正似然比為5.12，負似然比為0.28，曲線下面積（AUC）為0.89，顯示整體診斷準確性不錯。儘管結果令人鼓舞，研究仍強調需進一步優化AI模型，以平衡敏感度與特異度，並克服數據集不平衡等限制。 PubMed DOI

這篇文章探討了識別腎臟疾病風險因素的重要性，並強調孟德爾隨機化（MR）在建立風險因素與疾病之間因果關係的角色。MR利用遺傳變異作為工具，幫助研究人員推斷因果關係，減少混雜因素影響。高品質MR研究的關鍵包括使用強有力的遺傳工具、檢測多效性與混雜、進行敏感性分析、報告效應大小及信賴區間，以及透明地說明研究限制。這篇文章旨在幫助讀者理解MR在腎臟病學中的應用，並促進相關研究。 PubMed DOI

面臨腎衰竭的病人在接受維持性透析時，面臨中風和出血的風險。為了評估現有預測模型的有效性，進行了一項系統性回顧，納入截至2024年1月12日的相關研究。結果顯示，雖然有八項研究符合標準，但並未找到專門針對透析病人的中風預測模型，僅有兩項針對出血風險的評分。常用的評分系統在透析人群中表現不佳，顯示目前的預測模型不足，因此亟需開發新的風險評分系統以改善臨床決策。 PubMed DOI

這項研究回顧了人工智慧（AI）和機器學習（ML）在預測住院病人急性腎損傷（AKI）的表現。共分析了4,816篇文章，最終納入95篇，涵蓋380萬次住院紀錄。最常用的AKI定義是KDIGO-AKI標準。識別出302個預測模型，以邏輯回歸模型最為普遍。預測AKI的關鍵因素包括年齡、性別、糖尿病等。預測模型的AUC顯示出潛力，但臨床應用仍面臨挑戰，因為研究間存在顯著異質性和偏差風險。 PubMed DOI