慢性腎病（CKD）的風險分層越來越被重視，成為提升治療和預防的重要工具。這篇綜述探討機器學習（ML）在臨床風險分層中的應用，主要方法包括基因組學和電子健康紀錄（EHR）。四種主要的風險分層方法為：基因組學透過多基因風險分數評估風險；多組學整合生物標記數據；監督式機器學習利用EHR數據進行預測；非監督式機器學習則將患者分群以制定個別護理方案。這些工具有助於提升CKD的風險分層能力，促進更個性化的管理策略。 PubMed DOI

研究發現使用個人化算法並未降低患者住院治療率，且在其他結果上也無顯著差異，甚至介入組急性腎損傷率稍高。該研究涉及11,000名患有慢性腎臟疾病、2型糖尿病和高血壓的患者。 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

慢性腎臟疾病（CKD）影響全球超過8億人，會引發心血管疾病、心臟衰竭、腎衰竭、急性腎損傷和死亡等問題。CKD常伴隨糖尿病和心血管疾病，診斷需持續3個月以上的腎功能異常，通常透過低腎小球過濾率或蛋白尿確認。單獨使用肌酸酐估算腎小球過濾率對肌肉量高者可能不夠準確，建議結合半胱氨酸蛋白C提供更精確估算。早期檢測和個別化管理CKD對公共衛生有益。 PubMed DOI

這項研究調查了腎衰竭兒童的共存醫療狀況，並比較了電子醫院紀錄與英國腎臟登記處的數據。研究對象為2016年12月31日前在英格蘭和威爾士接受腎臟替代療法的18歲以下兒童，共869名，男性佔62.5%。結果顯示，UKRR報告的共存疾病盛行率高於電子健康紀錄，且先天性非腎臟疾病最常見。醫院紀錄對先天性心臟病和惡性腫瘤的敏感性較高，但兩者的一致性僅為中等。研究強調電子健康紀錄低估了共存疾病的報告，需改進登記過程。 PubMed DOI

慢性腎臟病（CKD）正成為全球健康的重大挑戰，因為其發病率持續上升，並可能導致腎衰竭和心血管疾病等併發症。CKD常在晚期才被發現，因此早期篩檢對於預防腎功能惡化及降低心血管風險至關重要。本文回顧了CKD的診斷測試進展，強調針對高風險個體進行白蛋白尿篩檢的重要性。雖然有指導方針建議篩檢，但實際遵循率不高。近期研究顯示全人群篩檢具有效性和成本效益，未來需提升醫療系統對篩檢的認識。 PubMed DOI

住院期間的急性腎損傷（AKI）會顯著提高併發症和死亡率風險。研究分析了56,820名成人患者的數據，發現24.5%的患者有AKI，其中只有3.3%被正確診斷為完全AKI，68%的AKI病例未被檢測到。與完全AKI患者相比，未檢測的AKI患者年齡較輕、合併症較少，死亡率也較低。這項研究強調了住院患者中AKI識別的差異性及未檢測病例的普遍性，顯示準確診斷AKI對改善患者結果的重要性。 PubMed DOI

有效治療慢性腎臟病（CKD）對全球健康至關重要，因為它可能導致腎衰竭和心血管問題。最近，電子健康紀錄的使用提升了我們對CKD的理解，並促進了風險預測的進展。臨床試驗顯示，像鈉-葡萄糖共轉運蛋白2抑制劑和類胰高血糖素肽1受體激動劑等新藥能有效減少CKD的不良結果，但在高風險患者中的使用仍不足。透過預後工具指導治療決策，醫療提供者能更好地匹配患者與治療，提升CKD管理效果。 PubMed DOI

顯微血尿在兒童中常見，通常會自行好轉，但若持續存在，可能暗示潛在的遺傳性腎臟疾病。雖然建議對所有病例進行後續追蹤，但實際上常常未能進行，導致錯失診斷機會。一項研究發現，許多有顯微血尿的兒童缺乏後續檢測。研究團隊透過數位工具聯繫家庭進行重複檢測，結果顯示部分兒童持續有顯微血尿，並成功診斷出Alport syndrome。這顯示數位健康工具在早期診斷遺傳性腎臟疾病上的潛力，未來仍需努力提高追蹤率。 PubMed DOI

慢性腎臟病（CKD）是全球公共健康的重大挑戰，導致心血管疾病和死亡率上升。為了改善CKD管理，這篇回顧分析了2014至2024年間41篇文章，探討人工智慧（AI）在早期檢測、風險預測、治療建議及病人護理中的應用。研究顯示，AI能有效提升病人結果，但實施過程中面臨數據質量、模型準確性及工作流程整合等挑戰。成功整合AI需醫療界、研究者及監管機構的合作，以確保病人安全和法律合規。 PubMed DOI