這項研究評估了一個預測2型糖尿病患者腎功能減退的模型，最初是為英國設計的。研究發現，這個模型在全球應用時低估了風險，但經過區域調整後，敏感性提升至80.5%，正確預測值也顯著提高。調整後的模型在不同地區表現良好，對於臨床醫生識別高風險患者特別有幫助，尤其是在中低收入國家，能有效提升腎病篩檢的效率。 PubMed DOI

這項研究針對2型糖尿病患者的糖尿病腎病（DN）開發了一個診斷預測模型，並評估Epalrestat與Dapagliflozin聯合使用的療效。 **第一階段**分析了460名接受腎臟活檢的患者，透過多變量邏輯回歸找出預測因素，模型在診斷DN風險上表現良好。 **第二階段**則對94名DN患者進行介入研究，隨機分為對照組（Dapagliflozin）和研究組（Epalrestat加Dapagliflozin）。結果顯示，研究組在葡萄糖代謝和腎功能上顯著優於對照組，且不良反應發生率相似。 **結論：** Epalrestat與Dapagliflozin聯合使用對DN治療有效，能改善患者的健康狀況。 PubMed DOI

PROGRESER研究是一項為期三年的多中心觀察性研究，針對西班牙的第三期慢性腎病（CKD）患者進行。研究發現，462名患者中，66.2%經歷腎損傷進展，糖尿病患者和非糖尿病患者的進展比例相近，分別為67.3%和65.3%。初始的平均腎小管過濾率（eGFR）從43.9降至29 mL/min/1.73 m²。研究指出，傳統風險因素如高血壓和低鈣/高甲狀旁腺激素水平與進展有關，並強調需進一步探索新的生物標記和治療策略。 PubMed DOI

這項研究調查了2000至2020年間，1型糖尿病（T1D）和糖尿病腎病（DN）患者的腎功能變化。研究在丹麥哥本哈根的Steno糖尿病中心進行，分析591名患者的健康紀錄，發現雖然估計腎小管過濾率（eGFR）有所改善，但實際測量的腎小管過濾率（mGFR）卻未見好轉。男性和有心血管疾病病史的患者死亡率高達62%。結果顯示，T1D患者的預後未見改善，顯示出需要新的治療策略。 PubMed DOI

西班牙腎臟學會（SEN）和糖尿病腎病研究小組（GEENDIAB）最近發布了針對糖尿病腎病（DKD）的臨床指導方針，旨在協助醫師治療糖尿病及慢性腎病（CKD）患者。這份指導方針更新了腎病術語，並依據KDIGO 2022的建議進行調整。內容涵蓋五大主題，包括篩檢與診斷、代謝控制、血壓管理、治療策略及抗血小板或抗凝治療，並遵循WHO的建議進行系統性回顧與評估。 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

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

這項西班牙多中心研究發現，KFRE 4變數模型能有效預測晚期慢性腎臟病患者進展到末期腎臟病，準確度（AUC 0.76）優於8變數版本。KFRE適合用來評估西班牙患者的ESRD風險，但在本地應用前還需要部分調整。 PubMed DOI

這項研究用跟PANoptosis有關的基因，開發出一套診斷糖尿病腎病變（DN）的模型。團隊找出六個關鍵基因，並發現DN患者的免疫細胞和對照組有差異。用機器學習後，三個基因（PDK4、YWHAH、PRKX）就能高準確率診斷DN，還找出潛在治療標靶和藥物。這模型不只提升診斷，也幫助了解疾病機制。 PubMed DOI

這項國際研究分析225位C3G或IC-MPGN患者，發現腎功能較差、有副蛋白、間質纖維化嚴重會增加腎臟惡化風險；反之，原發性疾病、白人、C4較低則風險較低。研究也建立了新的預測模型。特別是蛋白尿減少50%且低於1公克/天，和腎臟預後較好有明顯關聯，建議作為治療目標。 PubMed DOI