研究開發了機器學習模型，可預測兒童IgA血管炎的腎損傷風險，並找出風險因素。使用217名患者數據訓練6種算法，隨機森林表現最佳。確定了11個影響風險的特徵，並驗證了簡化模型。該模型準確預測腎損傷，提供臨床網絡工具。研究程式碼在GitHub公開。 PubMed DOI

小兒國際IgA腎病（IgAN）預測工具已更新，能評估兒童在活檢後一年內腎功能下降的風險。這項工具結合臨床因素和組織學評分，基於947名兒童的研究，38%被追蹤至成年。更新後的工具準確性和校準度優於原版，且四年內的預測數據更佳。研究顯示，eGFR變化趨勢非線性，高風險兒童起始eGFR較低且下降快。原始工具適合活檢時初步評估，更新版則用於活檢後的風險重新評估。 PubMed DOI

免疫球蛋白A腎病（IgAN）是末期腎病的重要原因。研究人員分析了來自韓國九家醫院的4,425名IgAN患者數據，開發了幾個基於機器學習的預測模型，以預測末期腎病或腎小球過濾率。這些模型的表現透過曲線下面積（AUC）評估，並與國際IgA腎病預測工具（IIgAN-PT）比較。結果顯示，IIgAN-PT在預測5年結果方面表現優異，AUC達0.896，而基於機器學習的模型AUC範圍為0.823到0.847，雖然有效，但未超越IIgAN-PT的預測能力。 PubMed DOI

臨床風險預測模型越來越受到重視，其中一個重要的部分是識別需要重新校準的特定群體。最近，《Kidney International》發表了針對兒童的活檢後國際IgA腎病預測工具的更新版本。這篇評論探討了更新所用的方法、該工具在臨床上的適用性，以及與模型開發和應用相關的更廣泛原則。 PubMed DOI

這項研究針對免疫球蛋白A腎病（IgAN）患者，特別是慢性腎病（CKD）第3或第4期且有顯著蛋白尿的情況，開發了一個預後模型。研究分析了263名患者，隨訪平均57.3個月，發現腎小球過濾率（eGFR）較低和蛋白尿較高的患者，末期腎病（ESKD）風險增加。使用隨機生存森林（RSF）等多種技術，RSF模型的預測性能最佳，顯示出七個重要風險因素，並有效預測IgAN患者的病程進展。 PubMed DOI

急性腎損傷（AKI）在住院兒童中常見，因此開發可靠的預測模型來評估AKI後的結果非常重要。本研究分析了來自中國兩家兒童醫院的8,205名AKI住院兒童，主要評估住院死亡率及28天內需透析的情況。研究使用遺傳算法選擇特徵，並採用隨機森林模型進行預測，結果顯示該模型在預測住院死亡率的AUROC達0.854，透析需求的AUROC更高達0.889，且表現優於傳統的兒童重症疾病評分，顯示出良好的臨床應用潛力。 PubMed DOI

這項研究檢驗了一個荷蘭的兒童腎臟移植預測模型，並評估其在德國和法國的適用性。分析了3,266例移植，結果顯示荷蘭模型在原始背景下表現良好，但在其他國家的表現顯著下降。研究者還創建了國際預測模型，但效果不佳。相對而言，針對各國調整的荷蘭模型表現較好，顯示出不同國家的臨床實踐差異。因此，建議使用國家特定模型來優化兒童腎臟移植的捐贈者選擇。 PubMed DOI

IgA腎病（IgAN）在兒童和成人的表現及進展模式有所不同，這使得因年齡和國家腎活檢政策而直接比較發病率變得困難。近期研究著重於評估腎活檢時或隨訪一年後的個別風險，這對於避免輕度病例的過度治療及確保重症病例的及時治療尤為重要。這篇綜述強調了不同年齡段IgAN的相似與差異，並探討影響疾病進展的預後因素，旨在提供指導以改善治療決策。 PubMed DOI

這項大型多元族群IgA腎病變研究發現，追蹤2.7年內，超過三分之一患者腎功能惡化、腎衰竭或死亡。蛋白尿≥0.5 g/g及腎功能較差會增加風險，年齡≥30歲則有保護效果。不同族群間風險差異不大。即使中度蛋白尿也需注意，顛覆過去只重視高蛋白尿的看法。 PubMed DOI

這項研究指出，IgA腎病患者如果腎小球硬化比例較高，腎臟預後會比較差，是獨立的預後指標。把這個指標納入風險評估模型，可以更準確預測腎臟狀況，重要性不亞於蛋白尿、eGFR偏低或腎小管萎縮等因素。另外，接受類固醇治療的患者，腎臟預後也會比較好。 PubMed DOI