Prognosi nell'insufficienza renale terminale: strumenti, prove e applicazioni cliniche

José Luis Herrera-Acevedo; Asad Ali Merchant

doi:10.3791/70058

Articolo di revisione

Prognosi nell'insufficienza renale terminale: strumenti, prove e applicazioni cliniche

61 visualizzazioni

⸱

DOI:

10.3791/70058

⸱

18 agosto 2026

José Luis Herrera-Acevedo¹ , Asad Ali Merchant¹

¹Division of Nephrology, Toronto General Hospital, University Health Network, University of Toronto

In questo articolo

Sommario

Questa revisione riassume gli strumenti prognostici per la malattia renale allo stadio terminale, evidenziandone l'applicazione nella valutazione del rischio di mortalità, nel processo decisionale condiviso, nella gestione conservativa del rene e nella pianificazione del trattamento individualizzata per gli adulti anziani.

Abstract

La prognosi nella malattia renale allo stadio terminale è fondamentale per un'assistenza centrata sulla persona e per la presa di decisioni condivisa. Questa revisione sintetizza le attuali evidenze sulla valutazione prognostica negli adulti anziani affetti da malattia renale allo stadio terminale che stanno considerando la dialisi o un approccio conservativo alla cura renale. Vengono esaminate le motivazioni alla base della prognosi e analizzati i principali predittori clinici, funzionali e di laboratorio della mortalità, inclusi il carico di comorbilità, la fragilità (frailty), lo stato funzionale e i parametri biochimici. La revisione discute strumenti prognostici validati, come l'Indice di Comorbilità di Charlson, la Surprise Question e modelli predittivi multivariabili, oltre a nuove metodologie basate sull'apprendimento automatico (machine learning) per la previsione del rischio individualizzata. Vengono inoltre esaminati gli effetti del declino funzionale, dei ricoveri ospedalieri e del limitato beneficio in termini di sopravvivenza sulle decisioni terapeutiche, evidenziando il ruolo delle informazioni prognostiche nella pianificazione anticipata delle cure e nell'assistenza conforme agli obiettivi del paziente. Inoltre, la revisione affronta la comunicazione della prognosi e le difficoltà pratiche legate all'implementazione degli strumenti prognostici nella pratica nefrologica di routine. Integrando una valutazione prognostica basata sulle evidenze con una valutazione clinica personalizzata e i valori del paziente, la prognosi può sostenere decisioni terapeutiche informate e facilitare un'assistenza personalizzata per gli adulti anziani affetti da malattia renale allo stadio terminale.

Introduzione

La malattia renale cronica (CKD) colpisce circa 843,6 milioni di persone in tutto il mondo, con oltre 2 milioni di persone affette da malattia renale allo stadio terminale (ESKD)¹^,²^,³^,⁴^,⁵. Gli anziani hanno un rischio maggiore di sviluppare una malattia renale avanzata, in particolare coloro che soffrono di malattie cardiovascolari e altre condizioni comorbide. Nonostante i notevoli progressi nelle terapie mediche, l'ESKD continua ad associarsi a rischi sostanziali di mortalità e morbosità¹^,⁴.

Un aspetto importante della cura della malattia renale cronica (CKD) è la pianificazione anticipata delle cure in previsione di una possibile progressione verso la malattia renale allo stadio terminale (ESKD). Il trapianto renale è la terapia sostitutiva renale preferita poiché garantisce i migliori risultati in termini di sopravvivenza e qualità della vita. Tuttavia, il trapianto potrebbe non essere disponibile per i pazienti sprovvisti di un donatore compatibile ed è spesso controindicato in presenza di elevato rischio chirurgico o medico, fragilità o aspettativa di vita limitata. Questa situazione si verifica frequentemente nei pazienti anziani, i quali possono trovarsi di fronte a un futuro incerto e a una scelta difficile tra l’iniziare una dialisi a lungo termine, da effettuarsi a casa o in ambulatorio, oppure optare per una gestione medica incentrata sul controllo dei sintomi, consapevoli che questo approccio potrebbe ridurre la sopravvivenza. I medici hanno responsabilità cliniche, etiche e legali nel fornire un approccio personalizzato e centrato sulla persona, riconoscendo che, in alcuni casi, la dialisi potrebbe aumentare la sofferenza senza necessariamente prolungare la vita⁶.

In questo contesto, la pianificazione anticipata delle cure rappresenta uno strumento importante che sostiene pazienti, famiglie e professionisti sanitari allineando le decisioni future ai valori, ai desideri e alle mutevoli condizioni cliniche di ciascuna persona⁶. Pazienti e famiglie sono in grado di compiere scelte più informate e coerenti con i propri valori e preferenze quando ricevono informazioni chiare e complete sui benefici e sui rischi dell'emodialisi. È quindi fondamentale invitarli e incoraggiarli a partecipare a un processo decisionale condiviso. Sebbene l’emodialisi possa migliorare la sopravvivenza e alleviare i sintomi, i suoi benefici possono essere limitati nei pazienti anziani e fragili, e il trattamento può comportare significative riduzioni dell'autonomia e della qualità della vita⁷. La prognosi è pertanto un elemento chiave nell'educazione del paziente e nel processo decisionale condiviso. Per valutare i compromessi tra sopravvivenza e qualità della vita, i pazienti devono comprendere il potenziale beneficio in termini di sopravvivenza derivante dall’inizio dell’emodialisi e in che modo il trattamento possa influire sulla loro qualità della vita.

Questa revisione discute le caratteristiche principali delle strategie e degli strumenti utilizzati per stimare la prognosi nei pazienti che stanno prendendo in considerazione o iniziando la dialisi. Analizza inoltre come questi approcci possano supportare i team di assistenza nefrologica, i pazienti e le famiglie nel prendere decisioni condivise riguardo alle opzioni di trattamento e ai percorsi assistenziali nella malattia renale cronica terminale (Figura 1).

Diagramma del percorso prognostico centrato sulla persona per le decisioni terapeutiche nella CKD/ESKD, che mostra le fasi di valutazione e di decisione.
Figura 1. Percorso prognostico centrato sulla persona nella malattia renale cronica avanzata (CKD) e nella malattia renale allo stadio terminale (ESKD). Lo schema riassume la valutazione completa del paziente, la valutazione prognostica multimodale, la comunicazione della prognosi e il processo decisionale condiviso, la selezione del trattamento e la rivalutazione continua per sostenere un'assistenza centrata sulla persona. I numeri in apice corrispondono alle referenze citate nel manoscritto. La figura è stata generata con l'ausilio di uno strumento di generazione immagini di OpenAI e successivamente rivista e approvata dagli autori per l'accuratezza scientifica e clinica. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Revisione e prospettiva

L'importanza della prognosi nella malattia renale cronica

Comprendere la prognosi e l'andamento previsto del decorso della malattia può influenzare in modo significativo gli obiettivi terapeutici e le decisioni di vita. Tale comprensione è essenziale per fornire un'assistenza centrata sulla persona, promuovere un processo decisionale condiviso e facilitare la pianificazione anticipata delle cure. Tuttavia, studi condotti su persone con cancro e su adulti anziani hanno dimostrato che i professionisti sanitari comunicano raramente informazioni prognostiche, mentre i pazienti spesso mantengono aspettative eccessivamente ottimistiche riguardo al futuro⁸.

La valutazione prognostica è un componente centrale delle discussioni tra pazienti e medici, poiché informazioni sull'aspettativa di vita sono spesso richieste quando si decide se iniziare l'emodialisi. Anche le preferenze, i valori personali, culturali e religiosi svolgono un ruolo importante nella scelta individuale di sottoporsi all'emodialisi per prolungare la vita⁶. Un modello di previsione del rischio in grado di anticipare una mortalità precoce può aiutare a personalizzare il trattamento e a favorire un processo decisionale condiviso tra professionisti sanitari, persone affette da malattia renale e i loro familiari⁹. Questo aspetto è particolarmente rilevante per i pazienti valutati per percorsi terapeutici più conservativi. Le cure conservative per la malattia renale (CKC), che prevedono la prosecuzione di cure mediche attive, il controllo dei sintomi e un sostegno multidisciplinare senza iniziare l'emodialisi, sono sempre più riconosciute dalle linee guida internazionali come un percorso terapeutico legittimo, piuttosto che un'opzione di default per i pazienti non idonei alla terapia sostitutiva renale¹⁰. È stato dimostrato che l'emodialisi offre una sopravvivenza mediana più lunga rispetto alla CKC nel complesso (3,1 anni contro 1,5 anni a partire dal momento della decisione terapeutica); tuttavia, questo vantaggio in termini di sopravvivenza scompare nei pazienti di età pari o superiore a 80 anni (P = 0,08) ed è notevolmente ridotto nei soggetti con comorbilità cardiovascolare grave¹¹^,¹². Oltre agli esiti in termini di mortalità, le percentuali di ospedalizzazione sono risultate significativamente più basse tra i pazienti sottoposti a CKC (rapporto tra le incidenze, 0,40; intervallo di confidenza [CI] al 95%, 0,32–0,49)¹³.

Il CKC è stato inoltre associato a un miglioramento della qualità della vita, a una riduzione del carico sintomatologico e a una maggiore probabilità di morire a casa piuttosto che in ospedale¹². Questi risultati sostengono l'integrazione prospettica del CKC in base alla traiettoria di vulnerabilità del paziente, piuttosto che il suo utilizzo esclusivo come opzione terapeutica residuale. Una valutazione prognostica può aiutare a identificare le persone più probabili a trarre beneficio da questa filosofia terapeutica. Ad esempio, se si prevede che un paziente abbia un elevato rischio di morte entro il primo anno dall'inizio della dialisi, il CKC o strategie di dialisi modificate potrebbero rappresentare opzioni appropriate da considerare⁹. Jassal et al. hanno proposto percorsi assistenziali per la dialisi basati sulla fragilità, che modulano l'intensità del trattamento, le restrizioni dietetiche e il supporto a domicilio in base allo stato di fragilità, con rivalutazioni periodiche che consentono transizioni bidirezionali al variare delle condizioni del paziente¹⁴.

Gli strumenti di previsione potrebbero aiutare i professionisti sanitari a guidare i pazienti e le loro famiglie nelle decisioni riguardanti il trattamento dell'ESKD¹⁵^,¹⁶. Sebbene le linee guida internazionali raccomandino fortemente di comunicare la prognosi ai pazienti¹⁷^,¹⁸^,¹⁹ e vi sia evidenza che la maggior parte dei pazienti desideri ricevere informazioni prognostiche²⁰^,²¹^,²², questa pratica non è stata applicata in modo uniforme nell’assistenza clinica di routine. Diversi ostacoli ostacolano una comunicazione efficace della prognosi. I nefrologi potrebbero non disporre di strumenti in grado di fornire stime del rischio accurate e individualizzate e potrebbero sentirsi a disagio nel discutere della prognosi a causa delle preoccupazioni riguardo al suo potenziale impatto emotivo sui pazienti. Studi hanno inoltre dimostrato che in generale i pazienti preferiscono discussioni più ampie sulla prognosi piuttosto che previsioni espresse esclusivamente come tempo di sopravvivenza stimato²³. Inoltre, molti modelli prognostici non sono facilmente applicabili nella pratica clinica di routine perché mancano di validazione esterna, e relativamente pochi sono stati sviluppati utilizzando coorti che includono pazienti sottoposti a dialisi peritoneale. Oltre alla previsione della mortalità precoce, Dusseux et al. hanno sviluppato un punteggio di mortalità a 3 anni per pazienti francesi anziani sottoposti a dialisi (di età ≥70 anni) al fine di identificare i candidati che potrebbero essere idonei al trapianto renale, dimostrando che gli strumenti prognostici hanno applicazioni oltre la decisione iniziale di avviare la dialisi (Tabella 1)²⁴.

Mortalità complessiva negli adulti anziani con malattia renale allo stadio terminale

L'aspettativa di vita degli adulti anziani affetti da ESKD e sottoposti a dialisi rimane notevolmente inferiore rispetto a quella della popolazione generale. Secondo il United States Renal Data System (USRDS, 2024)⁴, la percentuale di sopravvivenza a 5 anni tra gli adulti di età compresa tra 65 e 74 anni è del 35,6%, rispetto al 23,8% tra coloro che hanno 75 anni o più, con miglioramenti modesti negli ultimi dieci anni. Quando si analizzano gli esiti in base alla modalità dialitica, questi risultano comparabili. Nell'emodialisi (HD), la percentuale di sopravvivenza a 5 anni rimane approssimativamente del 34%, mentre nella dialisi peritoneale (PD) varia dal 22% al 35%, a seconda dell'età.

I dati più recenti del USRDS indicano inoltre che, nel 2022, la speranza di vita residua stimata per le persone sottoposte a dialisi era di circa 4,6 anni per le donne e 4,5 anni per gli uomini di età compresa tra 65 e 69 anni. Tale valore diminuisce a 3,5 anni per le donne e 3,3 anni per gli uomini di età compresa tra 75 e 79 anni. Al contrario, i riceventi di trapianto renale appartenenti a queste fasce d'età hanno un aumento atteso della vita di ulteriori 7–11 anni, mentre gli individui della popolazione generale hanno una speranza di vita residua di circa 16–18 anni. Nonostante i progressi tecnologici e il miglioramento nella selezione dei candidati, questi risultati confermano che i miglioramenti nella longevità associati alla dialisi rimangono limitati⁴.

Sebbene i dati attuali dimostrino una stabilizzazione della sopravvivenza, schemi prognostici simili sono stati riportati in precedenza. In un'analisi basata sulla popolazione di oltre 350.000 adulti di età pari o superiore a 65 anni negli Stati Uniti, Kurella et al.²⁵ hanno riportato che l'aspettativa di vita dopo l'inizio della dialisi diminuisce progressivamente con l'aumentare dell'età. La sopravvivenza mediana (50° percentile) è diminuita da 2,5 anni negli adulti di età compresa tra 65 e 69 anni a 0,6 anni tra coloro che avevano 90 anni o più. Analogamente, il 75° percentile è diminuito da 4,6 anni a 1,7 anni, mentre il 25° percentile è calato da 0,9 anni a 0,2 anni negli stessi gruppi di età. Questa ampia variabilità illustra l'importante eterogeneità prognostica tra individui di età simile e sottolinea che l'età cronologica da sola non determina la prognosi. Il rischio di mortalità è maggiore nel periodo iniziale dopo l'inizio della dialisi. Tra gli adulti che iniziano la dialisi dopo i 75 anni, la probabilità di sopravvivenza è del 71% a 1 anno e del 54% a 2 anni in Europa, rispetto al 59% e al 43% negli Stati Uniti. Oltre il 10% dei pazienti muore entro i primi 3 mesi dall'inizio della dialisi²⁶.

Nonostante questi risultati epidemiologici, le percezioni dei pazienti riguardo alla prognosi spesso differiscono notevolmente dagli esiti di sopravvivenza osservati. In un gruppo di studio di 993 pazienti sottoposti a dialisi, solo l'11,2% si aspettava di vivere meno di 5 anni, mentre il 33,0% prevedeva di sopravvivere per più di 10 anni, nonostante i dati dell'USRDS indichino che il 60,3% è deceduto entro 5 anni. I pazienti che si aspettavano una sopravvivenza più lunga avevano molte meno probabilità di documentare le proprie preferenze terapeutiche o di dare priorità a cure orientate al comfort, e avevano maggiori probabilità di scegliere la rianimazione cardiopolmonare (rapporto di odds aggiustato [aOR], 5,3) o la ventilazione meccanica (aOR, 2,2) rispetto ai pazienti con aspettative di sopravvivenza più realistiche⁸.

Morbilità medica e ospedalizzazioni negli adulti più anziani con malattia renale allo stadio terminale

Gli adulti più anziani che iniziano una terapia di sostituzione renale presentano un elevato carico di comorbilità mediche e di eventi clinici acuti che influiscono direttamente sulla prognosi. Secondo l'USRDS (2024)⁴, nel 2022, il 59% dei pazienti incidenti con malattia renale cronica terminale aveva il diabete mellito, il 25% scompensamento cardiaco e dal 17% al 28% diverse forme di malattia cardiovascolare. Lo stesso rapporto ha mostrato tassi aggiustati di ospedalizzazione per qualsiasi causa di 1,37 e 1,42 eventi per persona-anno tra gli individui di età compresa tra 65 e 74 anni e ≥75 anni, rispettivamente, in dialisi peritoneale, rispetto a 1,46 e 1,49 eventi per persona-anno tra coloro che ricevevano emodialisi⁴.

Gli adulti anziani che iniziano la dialisi spesso presentano multimorbidità, che influenza in modo significativo il loro decorso clinico. La comorbilità ha inoltre un profondo impatto sugli esiti sanitari e sulla sopravvivenza tra i pazienti con CKD di stadio 5. Diversi studi hanno riportato nessuna differenza significativa nella sopravvivenza tra i pazienti che scelgono la dialisi e quelli trattati con un approccio conservativo. Questo risultato riflette probabilmente l'elevato rischio competitivo di morte prima della progressione verso l'ESKD, unito al limitato beneficio in termini di sopravvivenza associato alla terapia dialitica²⁷^,²⁸.

In una coorte statunitense di 391 beneficiari Medicare di età ≥65,5 anni, quasi due terzi presentavano quattro o più condizioni croniche e il 73% aveva iniziato la dialisi durante un ricovero ospedaliero. Entrambi i fattori erano indipendentemente associati a un tasso di mortalità a un anno superiore al 50%²⁹. Analogamente, uno studio su registro nazionale che includeva 28.049 adulti di età ≥67 anni ha rilevato che i pazienti di età superiore a 80 anni trascorrevano in media 67 giorni in ospedale o in strutture assistenziali durante il primo anno successivo all'inizio della dialisi, con il maggiore utilizzo dei servizi sanitari osservato tra coloro che presentavano demenza o malattie cardiovascolari³⁰.

Oltre all'elevata prevalenza di comorbilità, il periodo iniziale successivo all'avvio della dialisi è caratterizzato da ricoveri ripetuti, infezioni e declino funzionale. In una coorte europea di oltre 10.000 individui che hanno iniziato la dialisi nel 2017, l'82,8% ha subito almeno un ricovero e il 33,8% è deceduto entro il primo anno, evidenziando il notevole carico delle complicanze precoci³¹. I ricoveri legati alle infezioni rimangono una delle principali cause di morbosità, rappresentando circa un terzo di tutti i ricoveri e interessando quasi la metà dei pazienti anziani durante il follow-up. Il diabete mellito, l'insufficienza cardiaca e l'ipoalbuminemia sono tra i principali fattori di rischio per questi ricoveri³².

Declino funzionale negli adulti anziani che iniziano la dialisi

La fragilità funzionale e la dipendenza aumentano ulteriormente i rischi associati all'avvio della dialisi negli adulti più anziani. Tra gli adulti più anziani sottoposti a emodialisi (HD), il 46% è stato classificato come fragile, il 55% era malnutrito e il 21% era dipendente nelle attività di base della vita quotidiana³³. Il declino funzionale dopo l'avvio della dialisi è comune e ha importanti implicazioni cliniche.

In uno studio fondamentale di Tamura et al.³⁴, che ha coinvolto oltre 3.700 residenti di case di riposo negli Stati Uniti, il punteggio relativo all'Indice di attività della vita quotidiana del Minimum Data Set (MDS-ADL), una misura standardizzata della dipendenza nelle attività di base di autoassistenza derivata dal Minimum Data Set utilizzato nelle strutture per cure a lungo termine³⁵, è aumentato da una mediana di 12 prima dell'inizio della dialisi a 16 successivamente. A 3 mesi, solo il 39% dei partecipanti aveva mantenuto il proprio stato funzionale basale. Entro il primo anno, il 58% era deceduto e soltanto il 13% conservava il precedente livello di funzionalità. Analogamente, Jassal et al.³⁶ hanno riportato che, tra gli adulti di età pari o superiore a 80 anni, oltre il 30% ha perso l'indipendenza entro i primi 6 mesi dall'inizio della dialisi. Né la modalità dialitica (emodialisi rispetto a dialisi peritoneale) né il contesto di inizio della dialisi (ricoverato rispetto a ambulatoriale) si sono associate a un successivo declino funzionale³⁶.

Evidenze più recenti indicano che questo schema si verifica anche tra gli anziani che vivono nella comunità. In uno studio di coorte olandese di Goto et al.³⁷, il 40% degli adulti di età pari o superiore a 65 anni ha sperimentato un deterioramento funzionale nei primi 6 mesi dopo l'inizio della dialisi, con il rischio maggiore osservato tra gli individui più anziani e fragili. Inoltre, il 79% dei partecipanti presentava un certo grado di dipendenza funzionale al basale, e il carico per il caregiver è aumentato dal 23% al 38% durante il follow-up³⁷.

Studi internazionali hanno dimostrato in modo costante che la dipendenza funzionale è associata a esiti peggiori. Uno studio sugli esiti e le pratiche della dialisi pubblicato nel 2016 ha rilevato che una grave dipendenza funzionale (punteggio funzionale <8/13) era associata a un rischio di mortalità 2,37 volte maggiore, indipendentemente dall'età e dalle comorbilità³⁸. Pereira et al.³³ hanno inoltre riportato elevati tassi di fragilità e dipendenza funzionale tra gli adulti di età pari o superiore a 75 anni sottoposti a emodialisi, insieme a una frequente affaticamento post-dialitico. Questi risultati sottolineano l'importanza di una valutazione geriatrica completa e dell'attuazione precoce di strategie di riabilitazione e cure di supporto fin dall'inizio della dialisi.

Sviluppo di Strumenti Prognostici per la Predizione della Mortalità nelle Popolazioni con Malattia Renale Cronica e con Insufficienza Renale Terminale

Sebbene i dati sulla mortalità basati sulla popolazione offrano una prospettiva generale sui potenziali benefici della dialisi negli adulti anziani, non forniscono stime individualizzate della prognosi. Per supportare una valutazione prognostica più personalizzata, ricercatori di diversi paesi hanno sviluppato strumenti di previsione del rischio per pazienti con malattia renale cronica (CKD) e per quelli che progrediscono verso la malattia renale terminale (ESKD). Questi strumenti differiscono notevolmente sia nel design che nell'applicazione clinica prevista. Alcuni si basano su una singola valutazione clinica soggettiva, mentre altri incorporano parametri di laboratorio comunemente disponibili, indici strutturati di comorbilità oppure modelli multivariabili o di apprendimento automatico che richiedono un'infrastruttura dedicata per la raccolta dei dati. Questa eterogeneità ha importanti implicazioni pratiche, poiché gli strumenti più fattibili da utilizzare in contesti ambulatoriali affollati non sono necessariamente quelli con le migliori prestazioni predittive.

Impatto della comorbilità sulla sopravvivenza durante la dialisi

Il carico di comorbilità è un determinante ben consolidato della mortalità precoce e del ricovero ospedaliero tra gli adulti più anziani che iniziano l'emodialisi, e diversi gruppi hanno tradotto questo rischio in modelli prognostici con buone prestazioni predittive e applicabilità clinica. Alcune condizioni comorbide sono incluse nella maggior parte dei modelli predittivi, in particolare le malattie vascolari, specialmente la malattia vascolare periferica, e i disturbi cognitivi come la demenza. Altre condizioni comuni, tra cui lo scompenso cardiaco congestizio (CHF), mostrano prestazioni predittive variabili tra i diversi modelli. Malattie gravi e potenzialmente letali, come il cancro attivo o metastatico, così come altre malattie d'organo terminale come la disfunzione epatica e l'insufficienza respiratoria, sono incorporate in alcuni modelli prognostici²⁶^,³⁹.

Tra gli strumenti che riassumono la multimorbilità, l'Indice di Comorbilità di Charlson (CCI) rimane uno dei più utilizzati. Nella sua adattamento per pazienti con ESKD, Hemmelgarn et al.⁴⁰ hanno confermato la validità del CCI originale e dimostrato un miglioramento delle prestazioni con l'Indice di Comorbilità per ESKD (Tabella 1). All'interno del CCI, le malattie metastatiche, il linfoma e l'insufficienza cardiaca congestizia (CHF) hanno il peso maggiore, sottolineando che il rischio di mortalità è influenzato più dal carico complessivo di comorbilità che dall'età cronologica da sola. La validità del CCI è stata successivamente confermata in diversi studi indipendenti⁴¹^,⁴²^,⁴³^,⁴⁴. Sebbene l'inclusione di un numero maggiore di comorbilità possa migliorare l'accuratezza predittiva, aumenta anche la complessità dell'implementazione di questi modelli nella pratica clinica quotidiana.

Le differenze nelle prestazioni predittive tra i modelli prognostici riflettono probabilmente le variazioni nelle popolazioni da cui sono stati ricavati. La maggior parte dei modelli è stata sviluppata all'interno di una singola regione geografica e non ha subito una validazione esterna⁴⁵. Inoltre, un eventuale bias di selezione potrebbe influenzare le prestazioni del modello, poiché ai pazienti con malattie terminali, come il cancro metastatico, o con aspettativa di vita molto limitata potrebbe non essere offerta la dialisi e pertanto questi soggetti potrebbero essere sottorappresentati nelle popolazioni utilizzate per sviluppare tali modelli. Questo potenziale bias di indicazione dovrebbe essere preso in considerazione nell'interpretazione e nell'applicazione delle stime prognostiche nella pratica clinica.

Utilizzo di Scale Funzionali e della Domanda a Sorpresa

La fragilità è riconosciuta come un predittore indipendente di mortalità e ospedalizzazione tra gli adulti anziani affetti da malattia renale cronica (CKD). La fragilità è comune in questa popolazione. Gimena-Muñoz et al.⁴⁶ hanno riportato una prevalenza di fragilità del 27% tra individui con CKD avanzata, utilizzando il Fried Frailty Phenotype per definire lo stato di fragilità. Hanno inoltre identificato il diabete mellito di tipo 2 e l'anemia come predittori indipendenti di fragilità. Inoltre, la fragilità potrebbe aumentare significativamente il rischio di insorgenza di CKD⁴⁷.

In una revisione sistematica e meta-analisi di Puri et al.⁴⁸, che includeva 105 studi su individui con CKD avanzata, la fragilità valutata mediante il Fried Frailty Phenotype o la Rockwood Clinical Frailty Scale (CFS) era associata a un raddoppio del rischio di mortalità rispetto a individui non fragili (Tabella 1). La fragilità raddoppiava inoltre il rischio di ospedalizzazione, confermandone il valore prognostico al di là dell'età cronologica e delle comorbidità. Questi risultati sottolineano l'importanza di includere la valutazione della fragilità nella stratificazione del rischio di routine nella pratica nefrologica.

In linea con questi risultati, Kennard et al.⁴⁹ hanno riportato che la fragilità è associata a un aumento del rischio di mortalità, ospedalizzazione e progressione verso la dialisi da due a sei volte nei soggetti con malattia renale cronica avanzata. La fragilità nei pazienti sottoposti a dialisi è inoltre associata a complicanze frequenti⁵⁰, tra cui infezioni, eventi cardiovascolari, insufficienza dell'accesso vascolare, recupero prolungato dopo la dialisi e ridotta aderenza al trattamento. Negli adulti anziani, queste complicanze contribuiscono a un carico maggiore di malattia, a una maggiore dipendenza funzionale e a un uso più elevato dei servizi sanitari. La fragilità rimane un forte predittore di morbilità e mortalità nei pazienti con malattia renale cronica, inclusi coloro che ricevono terapia sostitutiva renale e quelli trattati in modo conservativo, anche dopo aggiustamento per età cronologica e multimorbilità⁵¹. L'integrazione di scale di valutazione funzionale con parametri clinici oggettivi potrebbe ulteriormente migliorare le prestazioni predittive degli strumenti di previsione del rischio di malattia renale terminale⁶^,²⁶.

Diversi modelli prognostici per la malattia renale cronica (CKD) e la malattia renale allo stadio terminale (ESKD) incorporano la Surprise Question (SQ), che chiede: «Sarebbe sorpreso se questa persona morisse nei prossimi 12 mesi?». Tali modelli includono quelli sviluppati da Cohen et al.⁵², Schmidt et al.⁶ e Javier et al.⁵³ (Tabella 1). La SQ riflette il giudizio clinico complessivo di un professionista sanitario riguardo allo stato di salute di un paziente e può essere considerata una misura della capacità clinica intuitiva (clinical gestalt). In uno studio prospettico multicentrico, Schmidt et al.⁶ hanno sviluppato un modello prognostico che include tre predittori indipendenti: risposta negativa alla SQ (odds ratio [OR], 3,29), punteggio Karnofsky Performance Score (KPS) intermedio o basso (OR, 2,09 per KPS 50–70; OR, 4,69 per KPS ≤40) e aumento dell'età (OR, 1,41 per ogni decennio aggiuntivo). Il modello ha dimostrato una buona capacità predittiva, evidenziando l'importanza di combinare il giudizio clinico con una valutazione oggettiva della funzionalità per stimare gli esiti avversi nella CKD avanzata (Tabella 1)⁶.

Javier et al.⁵³ hanno valutato il SQ in uno studio prospettico su 388 adulti di età pari o superiore a 60 anni con stadi 4-5 di malattia renale cronica (CKD) che non erano in trattamento dialitico (Tabella 1). Hanno utilizzato una versione del SQ a tre categorie (Sì/Incerto/No), che ha mostrato un chiaro gradiente nel rischio di mortalità: 5% per «Sì», 15% per «Incerto» e 27% per «No» (P < 0,001). La versione binaria del SQ ha migliorato la sensibilità (66%), ma ridotto la specificità (68%). Sebbene l'interpretazione del SQ sia intrinsecamente soggettiva e possa variare tra i clinici⁵³, i suoi principali vantaggi sono la semplicità, l'applicazione intuitiva e la facilità d'uso nella pratica clinica di routine.

Parametri di laboratorio

Diversi parametri di laboratorio misurati di routine hanno dimostrato un significato prognostico al momento dell'inizio della dialisi, inclusi il tasso di filtrazione glomerulare stimato (eGFR), l'albumina sierica, l'emoglobina e gli indici di adeguatezza della dialisi come il Kt/V⁵⁴^,⁵⁵^,⁵⁶. Tra questi, l'albumina sierica e l'emoglobina sono marcatori facilmente disponibili che riflettono lo stato nutrizionale, infiammatorio e funzionale del paziente. In una coorte retrospettiva di adulti anziani con stadi 1-4 di malattia renale cronica (CKD), livelli più bassi di albumina sierica si sono associati in modo indipendente a una maggiore mortalità per tutte le cause, dopo aggiustamento per età, sesso e funzione renale⁵⁵. Analogamente, l'anemia al momento dell'inizio della dialisi si è rivelata un forte predittore di mortalità precoce, con pazienti che iniziano il trattamento con livelli di emoglobina inferiori a 10 g/dL che mostrano una mortalità notevolmente più elevata, nonostante una successiva correzione⁵⁶. Questa osservazione suggerisce che un basso livello di emoglobina all'inizio della dialisi potrebbe riflettere un'infiammazione cronica o una terapia predialitica subottimale, piuttosto che semplicemente un'anemia reversibile. Un valore più elevato di eGFR al momento dell'inizio della dialisi è stato anch'esso associato a un aumento della mortalità precoce, nonostante ciò possa sembrare controintuitivo⁵⁴. Questa associazione probabilmente riflette un bias di indicazione, per cui pazienti con comorbilità gravi o malattia acuta iniziano la dialisi precocemente nonostante una funzione renale relativamente preservata. Potrebbe inoltre riflettere gli effetti di malnutrizione e riduzione della massa muscolare.

Autore / Anno	Tipo di strumento	Popolazione dello studio	Obiettivo / Orizzonte prognostico	Variabili principali	Applicabilità clinica / Limitazioni
Schmidt et al.⁶	Modello di previsione clinica	Stadi 4–5 di malattia renale cronica (non in dialisi)	Mortalità a 12 mesi	Domanda della sorpresa, KPS, età	Modello semplice e validato, utile per supportare le decisioni riguardo all'avvio della dialisi o alla gestione conservativa del rene.
Obi et al.⁹	Modello di previsione clinica	35.878 veterani statunitensi	Mortalità a 1 anno (eGFR <15 vs. ≥15 mL/min/1.73 m²)	Età, comorbilità, eGFR, albumina, cancro	Modelli separati in base all'eGFR; coorte prevalentemente maschile; non include misure di fragilità o funzionalità.
Couchoud et al.¹⁵	Modello di previsione clinica	≥75 anni (Francia, REIN)	Mortalità a 3 mesi	Età, sesso, scompenso cardiaco, aritmia, malattia vascolare periferica, cancro attivo, ipoalbuminemia, dipendenza funzionale, disturbi comportamentali	Classifica i pazienti in gruppi a basso, intermedio e alto rischio; ampiamente applicabile agli adulti anziani con malattia renale terminale.
Davison et al.¹⁸	Modello di previsione clinica	Dialisi peritoneale	Mortalità da 6 a 18 mesi	Modello Cohen adattato più Domanda della sorpresa compilata dal personale infermieristico	Validato esternamente in pazienti in dialisi peritoneale; sovrastima la mortalità nei pazienti ad alto rischio; evidenzia il ruolo dell'infermiere e l'importanza della valutazione funzionale.
Dusseux et al.²⁴	Modello di previsione clinica	Dialisi incidente, ≥70 anni (Francia, REIN)	Mortalità a 3 anni	Età, sesso, diabete, malattia cardiovascolare, dipendenza, basso BMI, catetere temporaneo	Progettato per identificare i candidati alla valutazione per trapianto renale piuttosto che all'avvio della dialisi; discriminazione moderata (statistica c 0,71), buona calibrazione, ma non validato esternamente al di fuori della Francia.
Thamer et al. ³⁹	Modello di previsione clinica	≥67 anni, Stati Uniti	Mortalità a 3 e 6 mesi	Modelli completi e semplificati (età, dipendenza, albumina, cancro, scompenso cardiaco, ospedalizzazione, residenza istituzionale)	Punteggio semplificato al letto del paziente; non include misure di qualità della vita o preferenze del paziente.
Hemmelgarn et al.⁴⁰	Indice di comorbilità	Dialisi ematica cronica	Mortalità complessiva	Comorbilità (scompenso cardiaco, cancro, linfoma, metastasi)	L'Indice ESKD supera il CCI. Le prestazioni migliorano ulteriormente quando combinato con l'apprendimento automatico (Noh et al.⁴³; AUC 0,8357).
Santos et al.⁴⁴	Modello di previsione clinica	≥65 anni, Portogallo	Mortalità a 6 mesi dopo l'avvio della dialisi	Età, malattia coronarica, ictus con emiplegia, bassa albumina, referral tardivo al nefrologo	Prestazioni superiori rispetto al modello di Couchoud; esclusi pazienti non in dialisi e non include valutazione della fragilità.
Ivory et al.⁴⁵	Modello di previsione clinica	Pazienti incidenti in HD/PD, ≥15 anni (ANZDATA)	Mortalità a 6 mesi	Dodici variabili cliniche (età, BMI, comorbilità, diabete, referral tardivo)	Prestazioni superiori rispetto ai modelli di Couchoud e Wagner; l'applicabilità potrebbe essere limitata al di fuori dell'Australia e della Nuova Zelanda.
Puri et al.⁴⁸	Scala di fragilità/valutazione funzionale	Adulti con malattia renale cronica (tutti gli stadi, inclusa la dialisi)	Mortalità e ospedalizzazione	FFP, CFS, FFP modificato, Scala FRAIL, Indice di Fragilità	FFP e CFS hanno dimostrato il valore prognostico più forte per mortalità e ospedalizzazione. Il FFP modificato è un'alternativa pratica quando i test basati sulle prestazioni non sono fattibili; il giudizio clinico da solo è insufficiente.
Oki et al.⁵⁰	Scala di fragilità/valutazione funzionale	Pazienti incidenti in HD/PD	Mortalità e ospedalizzazione a 2 anni	CFS	Applicato retrospettivamente dagli infermieri; esclusi ricoveri prolungati; pratico per l'uso clinico routinario.
Cohen et al.⁵²	Modello di previsione clinica	Dialisi ematica cronica	Mortalità a 6 mesi	Età, demenza, malattia vascolare periferica, albumina, Domanda della sorpresa	Combina giudizio clinico con variabili oggettive; dimostra una forte capacità discriminante (AUC 0,80–0,87).
Javier et al.⁵³	Strumento di valutazione soggettiva	≥60 anni, stadi 4–5 di malattia renale cronica	Mortalità a 12 mesi	Domanda della sorpresa (versioni a tre e due categorie)	Predice la mortalità a 1 anno; richiede conoscenza pregressa del paziente; accordo moderato tra valutatori e buona affidabilità test-ritest.
Sun et al.⁵⁵	Indicatore di laboratorio	Stadi 1–4 di malattia renale cronica (70% ≥65 anni)	Mortalità a lungo termine per tutte le cause	Albumina sierica, età	Cohorte retrospettiva monocentrica (n = 201); utile come marcatore complementare piuttosto che come predittore autonomo.
Wick et al. ⁵⁴	Modello di previsione clinica	≥65 anni all'avvio della dialisi	Mortalità a 6 mesi	Età ≥80 anni, eGFR ≥15 mL/min/1.73 m², ricovero precedente, scompenso cardiaco, fibrillazione atriale, cancro	Stratifica il rischio di mortalità a breve termine; eGFR ≥15 mL/min/1.73 m² potrebbe riflettere un avvio precoce o non pianificato della dialisi; buona capacità discriminante (ROC 0,73).
Karaboyas et al.⁵⁶	Indicatore di laboratorio	Dialisi ematica incidente internazionale (DOPPS)	Mortalità a 1 anno	Emoglobina basale, dosi di ESA e ferro endovenoso	Dimostra un'associazione a forma di U con la somministrazione di ferro; mortalità più elevata con emoglobina <10 g/dL o dosi elevate di ESA; utile come biomarcatore complementare.
García-Montemayor et al.⁵⁷	Modello di apprendimento automatico	Dialisi ematica incidente (Spagna)	Mortalità da 6 a 24 mesi	Quindici variabili cliniche e di laboratorio (Random Forest)	Miglioramento modesto rispetto alla regressione logistica (ΔAUC 0,007–0,046); la creatinina, il Kt/V e l'emoglobina sono predittori importanti della mortalità precoce.
Sheng et al.⁵⁹	Modello di apprendimento automatico	Dialisi ematica incidente (Cina)	Mortalità a 1 anno	Età, eGFR, PCR, emoglobina, comorbilità (XGBoost)	AUC 0,83–0,85; conservate 15 delle 42 variabili candidate; richiede validazione esterna in popolazioni diverse.

Tabella 1: Strumenti per la previsione della mortalità in pazienti con malattia renale cronica avanzata e malattia renale allo stadio terminale. Questa tabella riassume strumenti prognostici validati, valutazioni della fragilità, marcatori di laboratorio e modelli di apprendimento automatico sviluppati per stimare la mortalità in pazienti con malattia renale cronica avanzata (CKD) e malattia renale allo stadio terminale (ESKD). Per ogni studio, la tabella descrive la popolazione dello studio, l’orizzonte prognostico, le principali variabili predittive e considerazioni chiave per l’applicazione clinica, inclusi punti di forza e limitazioni. Abbreviazioni: AF, fibrillazione atriale; AUC, area sotto la curva caratteristica operativa del ricevitore; BMI, indice di massa corporea; CCI, Indice di Comorbilità di Charlson; CFS, Scala Clinica della Fragilità; CHF, insufficienza cardiaca congestizia; CKD, malattia renale cronica; CRP, proteina C reattiva; CVD, malattia cardiovascolare; eGFR, velocità di filtrazione glomerulare stimata; ESA, agente stimolante l'eritropoiesi; ESKD, malattia renale allo stadio terminale; FFP, Fenotipo di Fragilità di Fried; HD, emodialisi; IV, endovenoso; KPS, Stato di Performance di Karnofsky; PD, dialisi peritoneale; REIN, Rete di Epidemiologia Renale e Informazione; ROC, caratteristica operativa del ricevitore; US, Stati Uniti; XGBoost, Extreme Gradient Boosting. Cliccare qui per scaricare questa Tabella.

Modelli di apprendimento automatico per la previsione della mortalità

Gli algoritmi di apprendimento automatico (ML) sono stati applicati con crescente frequenza alla previsione della mortalità nei pazienti sottoposti a dialisi, con diversi studi che hanno dimostrato un miglioramento della capacità discriminante rispetto ai tradizionali modelli basati su regressione. Garcia-Montemayor et al.⁵⁷ hanno riportato che un modello di random forest ha superato la regressione logistica nella previsione della mortalità a 6 mesi, 1 anno e 2 anni tra i pazienti sottoposti a emodialisi, con un'area sotto la curva caratteristica operativa del ricevitore (AUC) compresa tra 0,68 e 0,73 (Tabella 1). Yang et al.⁵⁸ hanno applicato un classificatore CatBoost ai pazienti sottoposti a dialisi peritoneale, ottenendo un AUC di 0,80 e identificando l'età, il peso corporeo e l'albumina sierica come i predittori più influenti. Sheng et al.⁵⁹ hanno sviluppato e validato esternamente un modello di Extreme Gradient Boosting (XGBoost) per prevedere la mortalità nel primo anno in 97 centri nefrologici. Il modello ha raggiunto un AUC compreso tra 0,83 e 0,85, superando notevolmente le prestazioni dei modelli di regressione pubblicati in precedenza (Tabella 1). Analogamente, Koh et al.⁶⁰ hanno dimostrato che un modello di random forest ha superato i consolidati punteggi prognostici REIN e Wick in una coorte di anziani del Sud-Est asiatico, ottenendo un AUC di 0,83.

Nonostante questi risultati promettenti, permangono importanti limitazioni. La maggior parte dei modelli di apprendimento automatico (ML) è stata sviluppata utilizzando dati retrospettivi provenienti da coorti monocentriche, con una limitata validazione esterna e una ridotta interpretabilità. Sebbene metodi di spiegabilità, come le SHapley Additive exPlanations (SHAP), abbiano migliorato la trasparenza dei modelli, l'interpretabilità rimane un ostacolo significativo per l'implementazione clinica routinaria. Ad oggi, nessuno studio prospettico randomizzato ha valutato se la prognosi guidata dall'apprendimento automatico migliori gli esiti clinici o la qualità del processo decisionale condiviso nei pazienti con malattia renale cronica (CKD) o insufficienza renale terminale (ESKD), rappresentando una significativa lacuna nelle evidenze disponibili.

Ostacoli all'implementazione di strumenti prognostici nella pratica clinica

Nonostante la crescente disponibilità di strumenti prognostici per pazienti con malattia renale cronica avanzata e insufficienza renale terminale, la loro integrazione nella pratica clinica di routine rimane limitata. Indagini condotte su nefrologi canadesi hanno mostrato che oltre l'80% si basa principalmente sul giudizio clinico globale per la prognosi, mentre circa il 70% non utilizza mai o raramente strumenti formali di previsione⁶¹. Le barriere riportate includono preoccupazioni riguardo all'applicabilità delle stime del rischio basate sulla popolazione a singoli pazienti, vincoli di tempo e una scarsa familiarità con gli strumenti disponibili e con le evidenze a sostegno del loro utilizzo. In particolare, i professionisti sanitari hanno distinto in modo costante tra il valore degli strumenti prognostici a livello di popolazione e la loro applicazione a singoli pazienti, evidenziando una sfida che difficilmente potrebbe essere risolta soltanto con una validazione esterna⁶².

L'implementazione pratica di molti modelli prognostici è ulteriormente limitata perché alcune pubblicazioni non forniscono un formato utilizzabile, come un'equazione di regressione completa o un punteggio di rischio, rendendo difficile l'applicazione clinica di routine⁶³. Inoltre, solo il 26,7% dei modelli pubblicati ha subito una validazione esterna, e studi d'impatto formali che valutino se gli strumenti prognostici migliorino la decisione condivisa o gli esiti per il paziente rimangono poco comuni⁶³. L'adozione nella pratica reale di strumenti prognostici in nefrologia rimane quindi bassa, il che potrebbe riflettere una fiducia limitata da parte dei clinici, mancanza di esperienza e incertezza riguardo all'utilità clinica nel migliorare gli esiti dei pazienti⁶⁴.

Colmare questa lacuna nell'implementazione richiederà sforzi che vadano oltre lo sviluppo e la validazione di nuovi modelli prognostici. L'integrazione degli strumenti prognostici nei record elettronici di salute potrebbe ridurre le barriere legate al tempo, all'accessibilità e al flusso di lavoro, che i clinici indicano costantemente⁶². Inoltre, formare i nefrologi a comunicare efficacemente informazioni probabilistiche sui rischi durante le conversazioni relative a malattie gravi, piuttosto che semplicemente presentare stime numeriche, potrebbe essere altrettanto importante rispetto al miglioramento ulteriore dell'accuratezza del modello⁶²^,⁶⁵.

Limitazioni

Diversi limiti della letteratura esistente meritano di essere riconosciuti. La maggior parte dei modelli prognostici⁹^,²⁶^,³⁹^,⁴⁵^,⁵⁵^,⁶⁶ è stata sviluppata utilizzando coorti geograficamente limitate, e la loro generalizzabilità ad altri contesti sanitari rimane incerta. Sebbene alcuni strumenti siano stati sviluppati specificamente per gli adulti anziani, molti modelli validati includono popolazioni più giovani in dialisi, e strumenti prognostici dedicati per anziani fragili rimangono limitati. La letteratura attuale è inoltre fortemente orientata verso coorti di emodialisi, mentre modelli prognostici validati per pazienti sottoposti a dialisi peritoneale sono ancora scarsi, con il lavoro di Davison et al.¹⁸ che rappresenta uno dei pochi esempi disponibili. I modelli di apprendimento automatico, sebbene promettenti, non sono ancora stati valutati in studi clinici prospettici, e nessuno strumento prognostico attualmente disponibile ha dimostrato, in uno studio randomizzato, che il suo utilizzo migliori la qualità del processo decisionale condiviso o gli esiti per il paziente.

Le ricerche future dovrebbero dare priorità allo sviluppo e alla validazione esterna di modelli prognostici in popolazioni diverse e con diverse modalità di dialisi, alla valutazione prospettica dell'assistenza guidata dalla prognosi e all'integrazione delle preferenze dichiarate dai pazienti nei framework di valutazione del rischio clinico.

Conclusioni

La prognosi è un componente importante del processo decisionale condiviso. I nefrologi devono fornire informazioni prognostiche in modo accurato e centrato sulla persona, al fine di allineare i trattamenti proposti ai valori e alle preferenze dei pazienti. Gli strumenti prognostici, inclusi i modelli di previsione del rischio, possono assistere i nefrologi nel fornire valutazioni del rischio più articolate. Questi strumenti possono facilitare l'identificazione precoce di individui che potrebbero trarre beneficio da una valutazione geriatrica completa, dalla pianificazione anticipata delle cure o, in casi selezionati, da alternative terapeutiche meno invasive o da cure palliative²⁶. Al contrario, possono aiutare a identificare pazienti con prognosi favorevole che potrebbero trarre beneficio da una pianificazione proattiva dell'accesso vascolare o da una valutazione per il trapianto. Gli strumenti prognostici disponibili vanno da valutazioni soggettive rapide, come la Surprise Question, a modelli multivariabili complessi. Tuttavia, questi modelli potrebbero non essere applicabili a tutte le popolazioni e devono essere utilizzati solo in contesti clinici appropriati. I professionisti sanitari dovrebbero pertanto adottare un approccio multimodale che combini parametri di laboratorio, condizioni comorbide, scale di valutazione funzionale e giudizio clinico per elaborare stime prognostiche che non siano eccessivamente riduttive. I modelli sviluppati da Cohen et al.⁵², Schmidt et al.⁶ e Couchoud et al.²⁶ (Tabella 1) possono essere particolarmente utili poiché esistono calcolatori di rischio pubblicati e facilmente applicabili nella pratica clinica. I modelli di Cohen et al.⁵² e Schmidt et al.⁶ combinano giudizio clinico e parametri oggettivi, consentendo una valutazione più olistica. Altrettanto importante è il modo in cui l'informazione prognostica viene comunicata. Le informazioni devono essere presentate in un linguaggio accessibile ai pazienti, con sensibilità rispetto alla loro disponibilità a discutere della mortalità. Le stime prognostiche dovrebbero guidare la conversazione e contestualizzare i potenziali benefici e limiti del trattamento; i clinici dovrebbero evitare di presentare stime di rischio assolute senza una spiegazione adeguata. Framework strutturati per la comunicazione, come lo strumento Best Case/Worst Case, utilizzano scenari pianificati e ausili grafici per descrivere gli esiti migliori, più probabili e peggiori di ciascuna opzione terapeutica. Questi approcci possono aiutare i nefrologi ad andare oltre semplici stime statistiche isolate e a sostenere pazienti e famiglie nel prendere decisioni terapeutiche in linea con i loro obiettivi e valori¹⁶^,⁶⁷. Studi futuri dovrebbero concentrarsi sulla validazione degli strumenti prognostici in popolazioni diverse e sulla valutazione dell'impatto del loro utilizzo sul miglioramento del processo decisionale condiviso e sugli esiti centrati sul paziente.

Dichiarazioni

Gli autori dichiarano di non avere interessi finanziari in conflitto né conflitti di interessi. Inoltre, gli autori hanno utilizzato uno strumento di generazione di immagini di OpenAI per creare la versione iniziale della Figura 1. La figura è stata successivamente esaminata, rivista e approvata dagli autori, che si assumono piena responsabilità per il contenuto scientifico e l'accuratezza clinica della stessa.

Riferimenti

Kovesdy CP. Epidemiology of chronic kidney disease: an update 2022. Kidney Int Suppl. 2022;12:7-11. doi:10.1016/j.kisu.2021.11.003.
Couser WG, Remuzzi G, Mendis S, Tonelli M. The contribution of chronic kidney disease to the global burden of major noncommunicable diseases. Kidney Int. 2011;80(12):1258-70. doi:10.1038/ki.2011.368.
Tamura MK. Incidence, management, and outcomes of end-stage renal disease in the elderly. Curr Opin Nephrol Hypertens. 2009;18:252-7. doi:10.1097/MNH.0b013e328326f3ac.
United States Renal Data System. 2024 USRDS Annual Data Report: Epidemiology of Kidney Disease in the United States [Internet]. 2024 [cited 2025 Oct 5]. Available from: https://usrds-adr.niddk.nih.gov/2024/suggested-citation.
Merchant A, Moideen A. Comprehensive insights into palliative nephrology: a chapter in contemporary renal medicine. In: Bolling G, Zelko E, editors. Palliative Care—Current Practice and Future Perspectives. IntechOpen; 2023. doi:10.5772/intechopen.1003074.
Schmidt RJ, et al. Derivation and validation of a prognostic model to predict mortality in patients with advanced chronic kidney disease. Nephrol Dial Transplant. 2019;34(9):1517-25. doi:10.1093/ndt/gfy305.
Merchant AA, Ling E. An approach to treating older adults with chronic kidney disease. CMAJ. 2023;195:E612-8. doi:10.1503/cmaj.221427.
O’Hare AM, et al. Assessment of self-reported prognostic expectations of people undergoing dialysis: United States Renal Data System Study of Treatment Preferences (USTATE). JAMA Intern Med. 2019;179(10):1325-33. doi:10.1001/jamainternmed.2019.2879.
Obi Y, et al. Development and validation of prediction scores for early mortality at transition to dialysis. Mayo Clin Proc. 2018;93(9):1224-35. doi:10.1016/j.mayocp.2018.04.017.
Kidney Disease: Improving Global Outcomes (KDIGO) CKD Work Group. KDIGO 2024 clinical practice guideline for the evaluation and management of chronic kidney disease. Kidney Int. 2024;105(4 Suppl):S117-314. doi:10.1016/S0085-2538(24)00110-8.
Verberne WR, et al. Comparative survival among older adults with advanced kidney disease managed conservatively versus with dialysis. Clin J Am Soc Nephrol. 2016;11(4):633-40. doi:10.2215/CJN.07510715.
Buur LE, et al. Does conservative kidney management offer a quantity or quality of life benefit compared with dialysis? A systematic review. BMC Nephrol. 2021;22:307. doi:10.1186/s12882-021-02516-6.
Kobayashi A, et al. Comprehensive conservative kidney management among older populations: a nationwide administrative claims database analysis. Kidney360. 2025;6:1713-21. doi:10.34067/KID.0000000923.
Jassal SV, Van Loon I. Redesigning peritoneal dialysis care: the introduction of frailty-informed pathways. Perit Dial Int. 2025;45(2):70-3. doi:10.1177/08968608241304272.
Couchoud C, et al. Supportive care: time to change our prognostic tools and their use in CKD. Clin J Am Soc Nephrol. 2016;11(10):1892-901. doi:10.2215/CJN.12631115.
Zimmermann CJ, et al. Opportunities to improve shared decision making in dialysis decisions for older adults with life-limiting kidney disease: a pilot study. J Palliat Med. 2020;23(5):627-34. doi:10.1089/jpm.2019.0340.
Schell JO, et al. Discussions of the kidney disease trajectory by elderly patients and nephrologists: a qualitative study. Am J Kidney Dis. 2012;59(4):495-503. doi:10.1053/j.ajkd.2011.11.023.
Davison SN, Rathwell S. External validation of a prognostic model in routine practice for short- and long-term survival in peritoneal dialysis. Perit Dial Int. 2026;46(2):105-14. doi:10.1177/08968608251364097.
Davison SN, et al. Executive summary of the KDIGO Controversies Conference on Supportive Care in Chronic Kidney Disease: developing a roadmap to improving quality care. Kidney Int. 2015;88:447-59. doi:10.1038/ki.2015.110.
Milders J, et al. Living with chronic kidney disease: future perspectives and prognostic needs of patients—a qualitative study. BMC Nephrol. 2025;26:301. doi:10.1186/s12882-025-04243-8.
Milders J, et al. Dealing with an uncertain future: a survey study on what patients with chronic kidney disease actually want to know. Clin Kidney J. 2024;17(8):1-8. doi:10.1093/ckj/sfae225.
Saeed F, et al. Patients’ perspectives on dialysis decision-making and end-of-life care. Clin Nephrol. 2019;91(5):294-300. doi:10.5414/CN109608.
Liu A, et al. Prognostic preferences of older adults on maintenance hemodialysis and their care partners: a qualitative study. Clin J Am Soc Nephrol. 2025;20(10):1387-95. doi:10.2215/CJN.0000000782.
Dusseux E, et al. A simple clinical tool to inform the decision-making process to refer elderly incident dialysis patients for kidney transplant evaluation. Kidney Int. 2015;88(1):121-9. doi:10.1038/ki.2015.25.
Tamura MK, Tan JC, O’Hare AM. Optimizing renal replacement therapy in older adults: a framework for making individualized decisions. Kidney Int. 2012;82:261-9. doi:10.1038/ki.2011.384.
Couchoud CG, et al. Development of a risk stratification algorithm to improve patient-centered care and decision making for incident elderly patients with end-stage renal disease. Kidney Int. 2015;88(5):1178-86. doi:10.1038/ki.2015.245.
Chandna SM, et al. Survival of elderly patients with stage 5 CKD: comparison of conservative management and renal replacement therapy. Nephrol Dial Transplant. 2011;26(5):1608-14. doi:10.1093/ndt/gfq630.
Murtagh FEM, et al. Dialysis or not? A comparative survival study of patients older than 75 years with stage 5 chronic kidney disease. Nephrol Dial Transplant. 2007;22(7):1955-62. doi:10.1093/ndt/gfm153.
Wachterman MW, et al. One-year mortality after dialysis initiation among older adults. JAMA Intern Med. 2019;179(7):985-7. doi:10.1001/jamainternmed.2018.8690.
Montez-Rath ME, et al. Hospitalizations and nursing facility stays during the transition from CKD to ESRD on dialysis: an observational study. J Gen Intern Med. 2017;32(11):1220-7. doi:10.1007/s11606-017-4151-6.
Kolbrink B, et al. Patient-focused outcomes after initiation of dialysis for ESRD: mortality, hospitalization, and functional impairment. Nephrol Dial Transplant. 2023;38(11):2528-36. doi:10.1093/ndt/gfad099.
Dalrymple LS, et al. Infection-related hospitalizations in older patients with ESRD. Am J Kidney Dis. 2010;56(3):522-30. doi:10.1053/j.ajkd.2010.04.016.
Pereira M, et al. Dependency and frailty in the older haemodialysis patient. BMC Geriatr. 2024;24:416. doi:10.1186/s12877-024-04973-8.
Kurella Tamura M, et al. Functional status of elderly adults before and after initiation of dialysis. N Engl J Med. 2009;361(16):1539-47. doi:10.1056/NEJMoa0904655.
Morris JN, Pries B, Morris S. Scaling activities of daily living within the Minimum Data Set. J Gerontol A Biol Sci Med Sci. 1999;54(11):M546-53. doi:10.1093/gerona/54.11.M546.
Jassal SV, Chiu E, Hladunewich M. Loss of independence in patients starting dialysis at 80 years of age or older. N Engl J Med. 2009;361(16):1612-3. doi:10.1056/NEJMc0905289.
Goto NA, et al. Association of initiation of maintenance dialysis with functional status and caregiver burden. Clin J Am Soc Nephrol. 2019;14(7):1039-47. doi:10.2215/CJN.13131118.
Jassal SV, et al. Functional dependence and mortality in the international Dialysis Outcomes and Practice Patterns Study. Am J Kidney Dis. 2016;67(2):283-92. doi:10.1053/j.ajkd.2015.09.024.
Thamer M, et al. Predicting early death among elderly dialysis patients: development and validation of a risk score to assist shared decision making for dialysis initiation. Am J Kidney Dis. 2015;66(6):1024-32. doi:10.1053/j.ajkd.2015.05.014.
Hemmelgarn BR, Manns BJ, Quan H, Ghali WA. Adapting the Charlson Comorbidity Index for use in patients with ESRD. Am J Kidney Dis. 2003;42(1 Suppl 2):125-32. doi:10.1016/S0272-6386(03)00415-3.
Lin YT, et al. High cost and low survival rate in high-comorbidity incident elderly hemodialysis patients. PLoS One. 2013;8(9):e75318. doi:10.1371/journal.pone.0075318.
Flores-Mendoza AP, et al. Charlson Comorbidity Index and all-cause mortality in patients with delayed hemodialysis initiation: a prospective cohort study. BMC Nephrol. 2025;26:376. doi:10.1186/s12882-025-04197-x.
Noh J, et al. Predicting early mortality in hemodialysis patients: a deep learning approach using a nationwide prospective cohort in South Korea. Sci Rep. 2024;14:29658. doi:10.1038/s41598-024-80900-6.
Santos J, et al. Predicting 6-month mortality in incident elderly dialysis patients: a simple prognostic score. Kidney Blood Press Res. 2020;45(1):38-50. doi:10.1159/000504136.
Ivory SE, et al. Predicting 6-month mortality risk of patients commencing dialysis treatment for end-stage kidney disease. Nephrol Dial Transplant. 2017;32(9):1558-65. doi:10.1093/ndt/gfw383.
Gimena Muñoz R, et al. Assessment of frailty in patients with advanced chronic kidney disease and the role of microvesicles: a single-center study. PLoS One. 2025;20(9):e0332653. doi:10.1371/journal.pone.0332653.
Zou S, et al. Frailty, genetic predisposition, and incident chronic kidney disease. Sci Rep. 2025;15(1):14625. doi:10.1038/s41598-025-97280-0.
Puri A, et al. Frailty assessment tools in chronic kidney disease: a systematic review and meta-analysis. Kidney Med. 2025;7(3):100960. doi:10.1016/j.xkme.2024.100960.
Kennard AL, Glasgow NJ, Rainsford SE, Talaulikar GS. Clinical implications and assessment of frailty in patients with advanced CKD: a narrative review. Kidney Int Rep. 2024;9:791-806. doi:10.1016/j.ekir.2023.12.022.
Oki R, et al. Clinical frailty assessment might be associated with mortality in incident dialysis patients. Sci Rep. 2022;12(1):17651. doi:10.1038/s41598-022-22483-8.
Nair D, et al. Frailty in kidney disease: a comprehensive review to advance its clinical and research applications. Am J Kidney Dis. 2025;85(1):89-103. doi:10.1053/j.ajkd.2024.04.018.
Cohen LM, Ruthazer R, Moss AH, Germain MJ. Predicting six-month mortality for patients receiving maintenance hemodialysis. Clin J Am Soc Nephrol. 2010;5(1):72-9. doi:10.2215/CJN.03860609.
Javier AD, et al. Reliability and utility of the Surprise Question in CKD stages 4-5. Am J Kidney Dis. 2017;70(1):93-101. doi:10.1053/j.ajkd.2016.11.025.
Wick JP, et al. A clinical risk prediction tool for 6-month mortality after dialysis initiation among older adults. Am J Kidney Dis. 2017;69(5):568-75. doi:10.1053/j.ajkd.2016.08.035.
Sun J, Su H, Lou Y, Wang M. Association between serum albumin level and all-cause mortality in patients with chronic kidney disease: a retrospective cohort study. Am J Med Sci. 2021;361(4):451-60. doi:10.1016/j.amjms.2020.07.020.
Karaboyas A, et al. Low hemoglobin at hemodialysis initiation: an international study of anemia management and mortality in the early dialysis period. Clin Kidney J. 2020;13(3):425-33. doi:10.1093/ckj/sfz065.
Garcia-Montemayor V, et al. Predicting mortality in hemodialysis patients using machine learning analysis. Clin Kidney J. 2021;14(5):1388-95. doi:10.1093/ckj/sfaa126.
Yang J, et al. Machine learning algorithms for the prediction of adverse prognosis in patients undergoing peritoneal dialysis. BMC Med Inform Decis Mak. 2024;24:8. doi:10.1186/s12911-023-02412-z.
Sheng K, et al. Prognostic machine learning models for first-year mortality in incident hemodialysis patients: development and validation study. JMIR Med Inform. 2020;8(10):e20578. doi:10.2196/20578.
Koh BTG, et al. Predicting mortality in elderly chronic kidney disease patients using algorithmic risk assessment: a Southeast Asian perspective. BMC Nephrol. 2025;26:489. doi:10.1186/s12882-025-04389-5.
Forzley B, et al. A survey of Canadian nephrologists assessing prognostication in end-stage renal disease. Can J Kidney Health Dis. 2017;4:1-9. doi:10.1177/2054358117725294.
Bergeron J, et al. Nephrology providers’ perspectives and use of mortality prognostic tools in dialysis patients. BMC Nephrol. 2024;25:425. doi:10.1186/s12882-024-03861-y.
Milders J, et al. Prognostic models in nephrology: where do we stand and where do we go from here? Mapping the evidence in a scoping review. J Am Soc Nephrol. 2024;35(3):367. doi:10.1681/ASN.0000000000000285.
Siriwardana A, et al. Utilizing risk prediction models for older patients with chronic kidney disease. Kidney Int. 2026;109(3):474-83. doi:10.1016/j.kint.2025.11.021.
Anderson RT, et al. Prediction of risk of death for patients starting dialysis: a systematic review and meta-analysis. Clin J Am Soc Nephrol. 2019;14(8):1213-27. doi:10.2215/CJN.00050119.
Thorsteinsdottir B, et al. Validation of prognostic indices for short-term mortality in an incident dialysis population of adults older than 75 years. PLoS One. 2021;16(1):e0244081. doi:10.1371/journal.pone.0244081.
Grubbs V. Time to recast our approach for older patients with ESRD: the best, the worst, and the most likely. Am J Kidney Dis. 2018;71(5):605-7. doi:10.1053/j.ajkd.2018.02.002.

Ristampe e permessi

Tag

Valutazione prognostica Strumenti prognostici Indice di comorbilit di Charlson Surprise Question Modelli di previsione multivariata Previsione tramite machine learning Stato funzionale Pianificazione anticipata delle cure Processo decisionale condiviso