原始文章

在慢性腎臟病患者中,用ICD-9/10代碼來找重大心血管事件,準確度還不錯(陽性預測值約80%),但會漏掉一些真正的病例。雖然這方法省時又有效率,可能會低估事件數,不過跟醫師審查比起來,風險因子的關聯性差不多,所以資源有限時,ICD代碼還是很適合用在大型研究。 PubMed DOI


站上相關主題文章列表

這項研究探討心臟衰竭(HF)和慢性腎病(CKD)患者的住院及死亡率因素,重點在CKD第3至第5期及HF患者。研究發現318名患者共667次住院,其中201次因HF。男性住院機率低於女性,血紅素水平高於100 g/L則住院次數較少。CKD第4期患者住院風險顯著高於第3期。死亡風險因素包括以往HF住院紀錄、HFrEF、晚期CKD及使用環利尿劑,而使用RAAS抑制劑則可降低死亡風險。研究強調了CKD-HF患者住院的普遍性及死亡風險因素。 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

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

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

這項研究開發的演算法能準確用電子病歷辨識末期腎臟病患者,特異性和陰性預測值都超過99%,但靈敏度和陽性預測值只有中等。適合用於研究,但還是有部分個案會被漏掉。 PubMed DOI

這項長達19年的研究追蹤6,700多位無心血管病史的成年人,發現腎功能即使輕微惡化,罹患慢性發炎相關疾病的風險就會上升,和心血管疾病的風險增加趨勢很像。即使只是輕度腎損傷,風險也會提高,腎功能最差的人風險最高。這顯示慢性腎臟病患者除了心臟病,也容易得各種發炎疾病。 PubMed DOI

對於洗腎的末期腎臟病患者來說,基礎高敏感度心肌肌鈣蛋白I(hs-cTnI)數值越高,未來發生重大心臟事件、心血管死亡或全因死亡的風險就越高,最高和最低四分位數相比,風險幾乎高出一倍。hs-cTnI是這些風險最重要的預測指標,非常適合用來評估這類患者的健康風險。 PubMed DOI

這篇系統性回顧分析近600萬名成人,發現急性腎臟病(AKD)的發生率會因定義不同而有差異,用ADQI定義時較高(26.6%),KDIGO則較低(11.1%)。但不管用哪種定義,AKD和死亡風險的關聯性都差不多。這提醒我們,AKD定義不同會影響研究結果,對臨床和研究都很重要。 PubMed DOI

如果出院3個月後,成年人用cystatin C算的腎功能(eGFRcys)比用creatinine算的(eGFRcr)低30%以上,未來幾年內心衰竭住院、腎臟惡化到末期或死亡的風險都會大增。這個兩者的落差,可能有助於早期找出高風險病人,方便後續追蹤與照護。 PubMed DOI

這項研究發現,KFRE雖然能有效區分慢性腎臟病患者的高低風險,但對多囊性、腎小管間質性或成因不明/多重成因的患者,預測五年內需腎臟替代治療的準確度較差。因此,這些族群可能需要專屬的預測工具。 PubMed DOI