原始文章

為住院的慢性腎病(CKD)患者安全開立藥物相當複雜,電子健康紀錄(EHR)能增強決策支持。研究分析了2018至2023年間阿姆斯特丹大學醫療中心的EHR數據,檢視六個邏輯規則,識別出17,805名CKD患者。發現KDIGO-CKD的臨床定義需大量努力來適應EHR數據,且許多患者未有相應診斷代碼。這強調了腎臟科醫生與EHR專家的合作,以建立標準化的CKD定義,改善群體識別。 PubMed DOI


站上相關主題文章列表

這項研究針對慢性腎病(CKD)患者中的藥物相關急性腎損傷(AKI)進行深入調查。分析顯示,在3,033名CKD患者中,21%報告有AKI,236例與藥物使用有關,28%被認為是可預防的。常見的相關藥物包括利尿劑和腎素-血管緊張素系統抑制劑。風險因素包括心血管病史、糖尿病及多藥物使用等。研究發現,27%的患者未能完全恢復,且一年內復發率為7%,腎替代療法15%,死亡率11%。這顯示藥物相關AKI在CKD患者中相當普遍,且與不良預後有關。 PubMed DOI

這項研究探討糖尿病在腎臟疾病中的重要性,特別是第二型糖尿病(T2D)與慢性腎臟疾病(CKD)的關聯。研究指出基層醫療中對CKD患者的T2D檢測與管理存在缺口,並提出利用社區藥師來改善這一情況。研究團隊開發了算法,幫助藥師識別T2D和CKD患者,並開立腎臟保護藥物。經過18位藥師的驗證,這些算法顯示出高內容效度和表面效度,特別針對eGFR在30到60 mL/min/1.73 m²的患者。這是首個針對社區藥師的相關研究,未來將評估其實施效果。 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

這項研究顯示馬來西亞慢性腎臟病(CKD)日益嚴重,強調了早期識別風險因素的重要性。研究針對3160名多民族參與者,透過腎臟檔案數據分析,找出五個關鍵因素:性別、種族、身體活動、動脈粥樣硬化血漿指數(AIP)和收縮壓。特別是高AIP的男性更易發展CKD。由於CKD早期通常無明顯症狀,這些因素有助於預測高風險個體,未來研究應著重於利用這些因素來預防和管理CKD。 PubMed DOI

這項研究探討了不同腎小管過濾率(eGFR)閾值對慢性腎病(CKD)流行率和預後的影響,隨訪長達15年。研究分析了4,952名參與者,發現年齡分層定義會重新分類部分參與者,但並未影響不良結果。Cox回歸分析顯示,CKD組的預後明顯較非CKD組差,無論使用哪種定義,標準定義的風險比最高。總結來說,年齡或i-BSA分類CKD的預測能力不如標準定義。 PubMed DOI

慢性腎臟病(CKD)是一個常見的健康問題,對死亡率影響大,且與病人結果不佳及高醫療費用有關。照護中常有與指引不符的情況,可能導致CKD惡化、住院增加及死亡率上升,特別是受到種族和社經差異影響。 為了解決這些問題,利用電子健康紀錄的結構化人口健康管理策略能提升CKD照護品質,改善病人結果。我們在匹茲堡大學醫療中心已實施涵蓋CKD的腎臟科人口健康計畫,並探討未來更個人化醫療的可能性。 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

在大型醫療體系導入臨床決策支援(CDS)工具後,糖尿病患者的CKD篩檢率從35%大幅提升到72%。不過,像ACEi/ARB使用率和腎臟科共同照護等治療指標進步有限。針對SGLT2 inhibitor的提醒則明顯提升了用藥率。整體來說,CDS工具對提升CKD篩檢很有效,但對整體照護品質的幫助有限,效果不一。 PubMed DOI

這項研究開發的演算法能準確用電子病歷辨識末期腎臟病患者,特異性和陰性預測值都超過99%,但靈敏度和陽性預測值只有中等。適合用於研究,但還是有部分個案會被漏掉。 PubMed DOI