這項研究開發了一個名為PRIME Solution的AI模型，專門用來預測急性腎損傷（AKI），並評估其對臨床醫師的幫助。模型基於183,221次住院紀錄，並用4,501次進行驗證。結果顯示，專家在無AI支持下的準確率最高，AI的協助提升了召回率和F1分數，並減少了審查時間。對於AKI病例，AI的效果更明顯，專家的表現改善最為顯著。整體來看，AI的協助增強了AKI的預測能力，改善程度依使用者專業程度而異。 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

這項研究分析了南韓末期腎病（ESKD）患者在急診部的就診情況，使用了2019至2021年的數據。結果顯示，ESKD患者的住院率（66.7%）和死亡率（9.4%）明顯高於非慢性腎病患者（分別為21.0%和5.1%）。這些患者通常年齡較大，女性比例較高，且多數需要醫療援助。主要影響住院和死亡率的因素包括高齡、男性、轉診及急診停留時間等。常見就診原因有血管併發症、消化系統疾病等。研究強調了ESKD患者急診就診的嚴重性，建議進一步研究以改善臨床結果。 PubMed DOI

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

這項多中心研究開發並驗證了一套用常規血液檢查數據（像是Scr、eGFR、PTH、BNP及性別）的機器學習模型和臨床風險預測圖，可準確預測慢性腎臟病患者的腎臟纖維化嚴重度，提供一個可取代侵入性腎臟切片的實用工具，且在不同驗證隊列中表現都很穩定，未來有望成為臨床上動態、非侵入性評估纖維化的新方法。 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

研究人員開發了一套針對糖尿病腎病變患者的風險預測模型，結合臨床資料和四種血液生物標記，能準確預測三年內重大心腎事件（C-statistic 0.80）。這模型可將患者分為低、中、高風險，低風險陰性預測值達94%，高風險陽性預測值有58%。不同族群驗證都有效，且用canagliflozin治療能降低所有風險層級的事件發生率。 PubMed DOI

在美國，腎臟移植的可及性和治療結果，會受到保險類型、種族和社經地位影響。用公費保險的少數族裔、低收入或教育程度較低者，進入移植名單和移植後的結果都較差。Medicare移植後36個月就停藥物給付，導致用藥不順、排斥率升高。建議標準化轉介流程、終身藥物給付、經濟補助、獎勵公平表現及運用數位工具改善移植公平性。 PubMed DOI

KFRE公式預測腎衰竭風險，對有無糖尿病的病人都一樣準確，但在75歲以上長者會高估風險。糖尿病不影響KFRE準確度，但年紀大的人預測效果較差。 PubMed DOI