急性腎損傷（AKI）是心臟衰竭（HF）患者常見的併發症，且會影響預後。本研究探討HF患者中AKI與平均動脈壓（MAP）變化的關係，使用重症監護醫學資訊庫IV（MIMIC-IV）的數據進行回顧性分析。研究發現，MAP快速下降的患者（類別4）發展AKI的風險顯著高於低中等MAP的患者（類別3）。相對而言，中等MAP的患者風險較低。結果顯示，密切監測MAP變化對預防HF患者的AKI至關重要。 PubMed DOI

這項研究探討乳酸變化趨勢與高乳酸血症患者急性腎損傷（AKI）及住院死亡風險的關聯。研究將患者分為三類：輕度高乳酸血症快速恢復（Traj-1）、重度高乳酸血症逐漸恢復（Traj-2）及持續存在（Traj-3）。結果顯示，Traj-3是住院死亡和AKI的獨立風險因素，而Traj-2也與這些風險有關，但影響較小。整體來看，乳酸變化趨勢對預測重症患者的AKI和死亡率具有重要意義。 PubMed DOI

急性腎損傷（AKI）是一個重要的臨床問題，影響近20%的住院病人及超過50%的重症監護病房病人。研究顯示，14%的病人經歷AKI，大多數為第一期，持續性AKI的病人佔31%，且這類病人有較差的臨床結果，包括更高的死亡率和更長的住院時間。持續性AKI病人的一年死亡率是沒有AKI病人的五倍，顯示出需要針對性策略來有效管理AKI，防止其持續發展。 PubMed DOI

這項研究回顧了人工智慧（AI）和機器學習（ML）在預測住院病人急性腎損傷（AKI）的表現。共分析了4,816篇文章，最終納入95篇，涵蓋380萬次住院紀錄。最常用的AKI定義是KDIGO-AKI標準。識別出302個預測模型，以邏輯回歸模型最為普遍。預測AKI的關鍵因素包括年齡、性別、糖尿病等。預測模型的AUC顯示出潛力，但臨床應用仍面臨挑戰，因為研究間存在顯著異質性和偏差風險。 PubMed DOI

這項研究利用極端梯度提升（XGBoost）模型來預測創傷病患的急性腎損傷（AKI）。研究分析了2015年到2023年期間，17,859名創傷病患的數據，並收集了多項臨床參數。模型基於2021年7月的數據開發，並用2021年8月的數據進行驗證。結果顯示，模型在預測AKI的表現上相當不錯，48小時的AUROC達到0.864，24小時的AUROC則為0.904。關鍵預測特徵包括血清肌酸酐、年齡及其他生化指標。整體而言，XGBoost模型能有效提前預測AKI。 PubMed DOI

研究團隊開發了一套深度學習模型，能結合實驗室數據和臨床紀錄，準確預測住院成人48小時內發生中重度急性腎損傷（AKI）的風險，效果比只用結構化資料的模型更好，有助醫師及早發現高風險病人並介入治療。 PubMed DOI

這項研究用15項加護病房常見的數據，開發出一個能預測重症病人7天內發生不同程度急性腎損傷（AKI）風險的模型。分析976位病患資料，模型準確度不錯（AUC 0.76），也有臨床實用性，有助於及早找出高風險病人，提升治療效果。 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

這項研究用AI分析95位接受CKRT的重症新生兒和嬰兒，發現尿量少、肌酸酐上升多、延遲治療和低血壓會提高住院死亡風險（死亡率47.3%）。存活者中有三成出院時有蛋白尿，和高肌酸酐及原發性腎病有關。AI模型有助於找出影響短期預後的關鍵因素。 PubMed DOI

一項針對高齡髖部骨折手術後住ICU的研究發現，有近兩成病人會發生急性腎損傷（AKI）。女性、手術中有輸血、術後白蛋白較低、APACHE II分數較高，都是AKI的獨立風險因子。這些指標合併預測AKI的準確度很高（AUC最高0.93）。有AKI的病人，ICU住院天數也會拉長。 PubMed DOI