A nomogram predicting the histologic activity of lupus nephritis from clinical parameters.
一個從臨床參數預測狼瘡性腎炎組織活性的繪圖表。 Nephrol Dial Transplant 2024-03-01

研究專注於預測狼瘡性腎炎（LN）患者的組織活性指數（AI），對治療很重要。研究開發了兩個預測模型，利用腎臟活檢數據，表現良好，能有效辨識高AI患者。發現血壓、腎功能和某些實驗室結果是LN患者高AI的獨立風險因素。這些模型在區分高AI患者方面準確，LASSO模型表現較佳。開發了網頁工具供臨床醫師輸入數據，得到高AI概率分數。研究圖表可幫助臨床醫師評估高AI的LN患者，做出明智治療決策。 PubMed DOI

Predictive models in chronic kidney disease: essential tools in clinical practice.
慢性腎臟病的預測模型：臨床實踐中的重要工具。 Curr Opin Nephrol Hypertens 2024-02-01

管理慢性腎臟疾病（CKD）時，使用風險預測對於做出及時決策至關重要。各種預後模型已開發用於評估CKD患者腎功能衰竭風險，但仍有改進空間。準確的預後可帶來重大臨床和心理益處，並有機會預防腎功能衰竭及減緩CKD風險。 PubMed DOI

Prognostic Models in Nephrology: Where Do We Stand and Where Do We Go from Here? Mapping Out the Evidence in a Scoping Review.
腎臟學的預後模型：我們現在處於何種地步，未來該何去何從？在一項範圍性回顧中勾勒出證據。 J Am Soc Nephrol 2024-03-26

預後模型可幫助腎臟病患者護理，但臨床應用仍有限。研究發現大多集中在死亡率、病情進展和移植存活。未來研究應重視患者報告結果、方法嚴謹性、完整報告、外部驗證、更新和影響評估，以提升護理品質。 PubMed DOI

Interpretable machine learning model integrating clinical and elastosonographic features to detect renal fibrosis in Asian patients with chronic kidney disease.
整合臨床和彈性超聲特徵的可解釋機器學習模型，用於檢測亞洲慢性腎臟病患者的腎纖維化。 J Nephrol 2024-02-05

利用機器學習演算法分析CKD患者的腎臟纖維化程度，XGBoost模型表現優異，AUC達0.97。SHAP方法有助於解釋模型輸出，顯示腎小球過濾率對預測影響最大。這有助於臨床醫生制定CKD患者的治療策略。 PubMed DOI

Evaluation of the Risk Prediction Models in Predicting Kidney Outcomes in Antiglomerular Basement Membrane Disease.
評估風險預測模型在預測抗腎小球基底膜疾病的腎臟結果中的應用。 Kidney Int Rep 2024-03-15

研究發現腎臟替代療法和正常腎小球比例是預測抗GBM疾病患者末期腎臟疾病的重要因素。正常腎小球比例≥10％的患者預後較佳。風險分層工具對預測ESKD有用，但長期結果仍需進一步研究。正常腎小球比例和血清肌酸酐水平是重要指標。風險分層工具適用於抗GBM疾病患者，但長期效果待確認。 PubMed DOI

Development, validation, and visualization of a web-based nomogram for predicting chronic kidney disease incidence at health examination centers.
健康檢查中心預測慢性腎病發生率的網路化預測圖的開發、驗證與可視化。 Ren Fail 2024-10-08

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

Conventional machine learning-based prediction models did not outperform the International IgA Nephropathy Prediction Tool.
傳統機器學習預測模型未能超越國際 IgA 腎病預測工具。 Kidney Res Clin Pract 2024-10-09

免疫球蛋白A腎病（IgAN）是末期腎病的重要原因。研究人員分析了來自韓國九家醫院的4,425名IgAN患者數據，開發了幾個基於機器學習的預測模型，以預測末期腎病或腎小球過濾率。這些模型的表現透過曲線下面積（AUC）評估，並與國際IgA腎病預測工具（IIgAN-PT）比較。結果顯示，IIgAN-PT在預測5年結果方面表現優異，AUC達0.896，而基於機器學習的模型AUC範圍為0.823到0.847，雖然有效，但未超越IIgAN-PT的預測能力。 PubMed DOI

Adding biomarker change information to the kidney failure risk equation improves predictive ability for dialysis dependency in eGFR <30 ml/min/1.73 m<sup>2</sup>.
將生物標記變化信息納入腎衰竭風險方程式可改善對 eGFR <30 ml/min/1.73 m<sup>2</sup> 的透析依賴性預測能力。 Clin Kidney J 2024-11-20

這項研究探討了在腎衰竭風險方程式（KFRE）中加入生物標記物變化（如eGFR和蛋白尿），是否能提升對eGFR <30 ml/min/1.73 m²患者的透析依賴性預測準確性。研究分析了4,499名成人的數據，發現422名患者最終需要透析。結果顯示，加入生物標記物變化後，KFRE的預測準確性顯著提升，C統計量從0.862增至0.921，淨重新分類指數（NRI）為0.773，顯示這樣的改進能幫助醫生更好地識別高風險患者並改善管理。 PubMed DOI

Validation and modification of renal risk score for prediction of long-term kidney survival in patients with MPO-ANCA-associated glomerulonephritis.
MPO-ANCA 相關腎小管腎炎患者長期腎臟存活預測的腎風險評分驗證與修訂。 J Nephrol 2024-11-22

這項研究針對中國患者的抗中性粒細胞胞漿抗體（ANCA）腎臟風險評分進行探討，特別是髓過氧化物酶相關的ANCA腎小球腎炎。分析340名患者，結果顯示ANCA腎臟風險評分在預測末期腎病（ESKD）風險上優於Berden分類。少尿組的腎功能較差，ESKD進展率高達83.3%。研究確認少尿為ESKD的獨立風險因素，並提出新模型（ANCA腎臟風險評分-U），提升預測效能，建議將少尿納入評分以增強預測能力。 PubMed DOI

Development and Validation of a Machine Learning-Based Prognostic Model for IgA Nephropathy with Chronic Kidney Disease Stage 3 or 4.
基於機器學習的IgA腎病慢性腎病第3或第4期預後模型的開發與驗證。 Kidney Dis (Basel) 2024-12-12

這項研究針對免疫球蛋白A腎病（IgAN）患者，特別是慢性腎病（CKD）第3或第4期且有顯著蛋白尿的情況，開發了一個預後模型。研究分析了263名患者，隨訪平均57.3個月，發現腎小球過濾率（eGFR）較低和蛋白尿較高的患者，末期腎病（ESKD）風險增加。使用隨機生存森林（RSF）等多種技術，RSF模型的預測性能最佳，顯示出七個重要風險因素，並有效預測IgAN患者的病程進展。 PubMed DOI

原始文章

站上相關主題文章列表