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

急性腎損傷（AKI）在重症監護病房（ICU）病人中很常見，且與高 morbidity 和 mortality 相關。因為目前沒有針對 AKI 的特效藥，持續性腎臟替代療法（CRRT）成為主要治療。本研究建立並驗證了一個預測重症 AKI 病人在接受 CRRT 後 90 天死亡率的模型。研究分析了1121名病人的數據，並利用Cox比例風險回歸開發了預測模型，包含七個預測因子。模型在訓練組和驗證組中表現良好，能有效識別高風險患者。 PubMed DOI

這項研究建立了一套評分系統，能預測85歲以上新開始血液透析患者的3年存活率。系統根據八項指標（如低BMI、心血管疾病、癌症、行走困難等）給分，分數越高，死亡風險越大。預測準確度不錯，未來可協助醫師評估是否建議高齡患者接受透析，但還需更多族群驗證。 PubMed DOI

這項針對3,714位慢性腎臟病患者的研究發現，虛弱指數（FI）是預測存活率最準的指標，甚至比其他臨床或實驗室數據還要準。研究團隊用11個關鍵變項建立預測模型，可精準預測1到10年的存活率。FI分數的風險比特別高，顯示FI在評估CKD患者預後時非常重要。 PubMed DOI

這項研究開發了一套預測工具，能評估老年ICU病人發生急性腎損傷（AKI）的風險。模型以15個臨床因素建立，準確度高（AUC約0.81）；簡化版只用5個關鍵因素，表現也不錯（AUC約0.78）。兩者都實用且準確，有助臨床醫師及早辨識高風險病人。 PubMed DOI

這項研究針對1,016位洗腎病人，開發了一個預測自體動靜脈瘻管血栓風險的工具。研究發現五個重要風險因子，包括hs-CRP、導管使用史、洗腎時間、瘻管狹窄和非高密度脂蛋白膽固醇。這個模型預測準確度高（AUC約0.82），能幫助醫師評估病人血栓風險。 PubMed DOI

這項研究針對223位洗腎患者，找出六個會影響自體動靜脈瘻管（AVF）失敗的關鍵因素，並建立了一個風險預測工具（nomogram）。這個模型預測準確，能幫助醫師及早發現高風險患者，提升臨床照護品質。 PubMed DOI

洗腎病人如果同時有營養不良、發炎和體液過多，死亡風險會大幅提升。研究建立了一個評分工具，可預測3、5、7年存活率。建議醫師要全面評估這三項狀況，才能更好管理風險、提升預後。 PubMed DOI