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

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

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

這項研究用四家醫院的資料，開發並驗證一個機器學習模型，能預測洗腎病人心臟瓣膜鈣化的風險。模型根據五個臨床指標建立，最後發現邏輯迴歸的表現最穩定。這工具有助於早期發現高風險患者，提升洗腎病人心臟瓣膜鈣化的篩檢和管理效率。 PubMed DOI

這項研究開發了KSGN分數，能預測韓國70歲以上患者開始血液透析後6個月內的死亡風險。分析1,751位患者資料，發現高齡、特定腎病、癌症史、白蛋白低、沒治療高血壓及血管通路未準備好是主要風險因子。KSGN分數預測準確度優於現有模型，未來可協助醫師為年長患者做更合適的透析治療決策。 PubMed DOI

這項研究分析基因表現，找出四個關鍵基因（ABCC8、ALPI、FGF11、OBP2A），有機會成為末期腎臟病患者血液透析時，預測動靜脈瘻管失敗和心血管疾病的生物標記，尤其在非糖尿病患者中診斷效果更好。研究也發現相關免疫細胞和15種潛在藥物，但還需更多不同族群驗證。 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

這項研究用重症醫療資料庫，針對加護病房的肺栓塞患者，開發並驗證了一個預測急性腎損傷（AKI）風險的工具。研究找出六個獨立風險因子，建立的預測圖比SAPS II評分更準確，且已經過內外部驗證，未來有機會幫助臨床醫師及早發現高風險患者，及時預防AKI。 PubMed DOI

這項研究針對血液透析病人，開發了一個簡單的風險評分工具，只要看透析通路使用時間、臀圍和有無糖尿病，就能有效預測血管鈣化風險。這模型表現不錯，能幫助醫師及早發現高風險病人，及時介入，保護透析通路。定期量臀圍也是個實用的監測方法。 PubMed DOI