レビュー記事

末期腎不全における予後予測：ツール、エビデンス、および臨床応用

85 回視聴

⸱

DOI:

10.3791/70058

⸱

2026年8月18日

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

この記事について

サマリー

本レビューでは、末期腎不全の予後予測ツールについてまとめ、死亡リスク評価、共有意思決定、保存的腎管理、および高齢者の個別化治療計画におけるこれらのツールの活用について強調します。

要約

末期腎不全における予後予測は、パーソンセンタードケアおよび共同意思決定において不可欠です。本レビューでは、透析または保存的腎ケア（CKC）を検討している末期腎不全の高齢者における予後評価に関する現在のエビデンスをまとめます。ここでは、予後予測の根拠を検討し、併存疾患の負荷、フレイル、機能的状態、生化学的パラメータを含む、死亡率の主要な臨床的、機能的、および検査的予測因子について概説します。また、チャールソン併存疾患指数（CCI）、サプライズ・クエスチョン（Surprise Question）、多変量予測モデルなどの検証済み予後予測ツールや、個別化リスク予測のための最新の機械学習アプローチについても論じます。さらに、機能低下、入院、および限定的な生存利益が治療決定に及ぼす影響を検討し、アドバンスケアプランニング（ACP）および目標一致ケアにおける予後情報の役割を強調します。加えて、予後の伝達および日常の腎臓内科診療における予後予測ツールの導入に伴う実践的な課題についても議論します。エビデンスに基づいた予後評価を、個別的な臨床評価および患者の価値観と統合することで、予後予測は十分な情報に基づいた治療決定を支援し、末期腎不全の高齢者に対するパーソナライズされたケアを促進することができます。

概要

慢性腎臓病（CKD）は世界中で推定8億4,360万人人に影響を及ぼしており、20万人以上の人々が末期腎不全（ESKD）で生活しています1,2,3,4,5。高齢者は、特に心血管疾患やその他の併存疾患を持つ場合に、進行した腎臓病を発症するリスクが高くなります。医学的治療において大きな進歩があったにもかかわらず、ESKDは依然として死亡率および罹患率に重大なリスクをもたらしています1,4。

CKDケアにおける重要な側面は、ESKDへの進行の可能性に向けたアドバンスケアプランニングです。腎移植は、生存率とクオリティ・オブ・ライフの両面で最良のアウトカムをもたらすため、腎代替療法の優先的な選択肢となります。しかし、適切なドナーがいない患者には移植が提供できず、また、手術的または医学的なリスクが高い患者、フレイルの状態にある患者、あるいは期待余命が短い患者では禁忌となる場合があります。これは高齢患者に多く見られる状況であり、彼らは不透明な将来に直面し、自宅またはクリニックで生涯にわたる透析を開始するか、あるいは生存期間を短縮させる可能性があることを理解した上で、症状のコントロールに重点を置いた医学的管理を選択するかという、困難な選択を迫られることがあります。医師には、状況によっては透析が必ずしも寿命を延ばすことなく苦痛を増大させる可能性があることを認識しつつ、個々の状況に合わせたパーソンセンタード・アプローチを提供するという、臨床的、倫理的、および法的な責任があります6。

このような状況において、アドバンス・ケア・プランニング（ACP）は、将来の決定を個々の価値観、希望、および変化する臨床状況に適合させることで、患者、家族、および医療従事者を支援する重要なツールとなります6。透析のメリットとデメリットについて明確かつ包括的な情報を提供することで、患者と家族は自身の価値観や好みに沿った十分な情報に基づく選択を行いやすくなります。また、彼らを共同意思決定（shared decision-making）のプロセスに招待し、参加を促すべきです。透析は生存期間を延ばし症状を緩和させる可能性がありますが、高齢で虚弱な患者における効果は限定的である場合があり、治療に伴って自立性や生活の質（QOL）が著しく低下する可能性があります7。したがって、予後予測は患者教育および共同意思決定における重要な構成要素となります。生存期間とQOLのトレードオフを検討するために、患者は透析導入による潜在的な生存利益と、治療がQOLにどのように影響するかを理解する必要があります。

本レビューでは、透析を検討中または開始した患者の予後を推定するために用いられる戦略およびツールの主な特徴について論じます。また、これらのアプローチが、末期腎不全（ESKD）における治療法の選択肢やケアパスに関する共同意思決定において、腎ケアチーム、患者、および家族をどのように支援できるかについても検討します。 （図1）。

CKD/ESKDの治療決定における、アセスメントおよび意思決定のステップを示す、患者中心の予後予測パスウェイ図。
図1進行した慢性腎臓病（CKD）および末期腎不全（ESKD）における、パーソンセンタードな予後予測パスウェイ。 この概略図は、パーソンセンタードケアを支援するための包括的な患者アセスメント、マルチモーダルな予後評価、予後の伝達および共同意思決定、治療法の選択、そして継続的な再評価をまとめたものである。上付き数字は、原稿内で引用されている参考文献に対応している。本図はOpenAIの画像生成ツールの支援を受けて作成され、その後、科学的および臨床的な正確性について著者らによるレビューと承認を受けた。 この図の拡大版を表示するには、こちらをクリックしてください。

レビューと展望

慢性腎臓病における予後予測の重要性

予後および予想される病状の進行過程を理解することは、治療目標や人生における決断に大きな影響を及ぼします。この理解は、パーソン・センタード・ケアを提供し、共同意思決定を促進し、アドバンス・ケア・プランニングを円滑に進めるために不可欠です。しかし、がん患者や高齢者を対象とした研究では、医療従事者が予後情報を伝えることは稀である一方、患者は将来に対して過度に楽観的な期待を持ち続けることが多いことが示されています8。

透析を開始するかどうかを決定する際、余命に関する情報は頻繁に求められるため、予後評価は患者と医師との話し合いにおける中心的な要素となります。また、個人の好みや文化的・宗教的な価値観も、延命のために透析を選択するかどうかに重要な役割を果たします6。早期死亡を予測するリスク予測モデルは、治療の個別化を促し、医療専門家、腎疾患患者、およびその家族の間で共有意思決定（shared decision-making）をサポートするのに役立つ可能性があります9。これは、より保存的な治療経路を検討している患者にとって特に重要です。保存的腎臓ケア（Conservative Kidney Care: CKC）は、透析を開始せずに積極的な医学的ケア、症状管理、および多職種によるサポートを継続することであり、腎代替療法の適応とならない患者にとっての単なる消極的な選択肢ではなく、正当な治療経路であるとして国際的なガイドラインで認識されるようになっています10。全体的に見ると、透析はCKCよりも生存期間の中央値が長いことが示されています（治療決定時から3.1年対1.5年）。しかし、この生存上の利点は80歳以上の患者では消失し（P = 0.08）、重度の心血管系合併症を持つ患者では大幅に減少します11,12。死亡率以外の転帰については、CKCを受けた患者において入院率が有意に低いことが示されました（発生率比：0.40、95%信頼区間 [CI]：0.32–0.49）13。

CKCは、生活の質（QOL）の向上、症状負担の軽減、および病院ではなく自宅で亡くなる可能性が高まることとも関連しています12。これらの知見は、CKCを単なる最終的な治療選択肢としてではなく、患者の脆弱性の軌跡に基づいた前向きな統合として導入することを支持しています。予後評価は、この治療哲学から最も恩恵を受ける可能性の高い個人を特定するのに役立つ可能性があります。例えば、透析導入後1年以内に死亡するリスクが高いと予想される患者の場合、CKCや修正透析戦略が検討すべき適切な選択肢となる可能性があります9。Jassal et al.は、フレイルの状態に応じて治療強度、食事制限、および在宅サポートを調整し、定期的な再評価によって患者の状態変化に伴う双方向の移行を可能にする、フレイルに基づいた透析ケアパスを提案しました14。

予測ツールは、ESKD治療に関する決定において、医療専門家が患者やその家族を導く際に役立つと考えられています15,16。国際的なガイドラインでは、患者への予後の伝達が強く推奨されており17,18,19、また、ほとんどの患者が予後情報の提供を希望していることがエビデンスによって示唆されていますが20,21,22、この慣行は日常的な臨床ケアにおいて一貫して実施されていません。予後の効果的な伝達を妨げる要因がいくつか存在します。腎臓専門医は、正確で個別化されたリスク推定を提供できるツールが不足している可能性があり、また、患者への精神的な影響を懸念して予後の議論に不安を感じる場合があります。また、患者は一般的に、単に見積もられた生存期間として表現される予測よりも、予後に関するより幅広い議論を好むことが研究で示されています23。さらに、多くの予後モデルは外部妥当性の検証が不十分であるため、日常的な臨床現場での導入が容易ではなく、腹膜透析を受けている患者を含むコホートを用いて開発されたモデルは比較的少数です。早期死亡の予測にとどまらず、Dusseux et al. は、腎移植の適応となる候補者を特定するために、透析を受けているフランスの高齢患者（70歳以上）を対象とした3年生存スコアを開発し、予後ツールが透析導入時の最初の決定以外の場面でも応用可能であることを示しました（Table 1）24。

末期腎不全の高齢者における全死因死亡率

ESKD（末期腎不全）で透析治療を受けている高齢者の平均余命は、一般人口よりも大幅に低いままです。米国腎臓データシステム（USRDS, 2024）4によると、65～74歳の成人の5年生存率は35.6%であるのに対し、75歳以上の成人の生存率は23.8%であり、過去10年間での改善はわずかです。透析法別に分析すると、結果は同等です。血液透析（HD）における5年生存率は約34%にとどまっており、一方で腹膜透析（PD）では年齢に応じて22%から35%の範囲となっています。

最新のUSRDSのデータによると、2022年における透析治療を受けている65～69歳の人の推定期待余命は、女性で約4.6年、男性で約4.5年であった。これは75～79歳では、女性で3.5年、男性で3.3年に減少した。対照的に、同年齢層の腎移植レシピエントはさらに7～11年の生存期間が得られると予想されており、一方で一般集団の人の期待余命は約16～18年である。技術的な進歩や候補者の選定の改善にもかかわらず、これらの知見は、透析に伴う生存期間の延長が依然として限定的であることを裏付けている4。

現代のデータでは生存率の安定化が示されているが、同様の予後パターンは以前にも報告されている。米国における65歳以上の成人350,000人以上を対象とした集団ベースの解析において、Kurella et al.25は、透析導入後の期待寿命が高齢になるにつれて漸減することを報告した。生存期間の中央値（第50パーセンタイル）は、65～69歳の成人では2.5年であったが、90歳以上の成人では0.6年まで低下した。同様に、同じ年齢層間で、第75パーセンタイルは4.6年から1.7年へ、第25パーセンタイルは0.9年から0.2年へと低下した。この大きなばらつきは、同年代の個人間でも予後にかなりの異質性があることを示しており、暦年齢のみで予後が決まるわけではないことを強調している。死亡リスクは透析導入後の早期に最も高くなる。75歳以降に透析を開始した成人において、生存確率は欧州では1年で71％、2年で54％であるのに対し、米国ではそれぞれ59％と43％である。患者の10％以上が透析開始後3か月以内に死亡している26。

これらの疫学的知見にもかかわらず、予後に対する患者の認識は、実際に観察された生存結果と大きく異なることが多い。透析治療を受けている993人の患者コホートにおいて、5年未満しか生存しないと考えた患者はわずか11.2%であった一方、33.0%が10年以上の生存を予想していた。しかし、USRDSのデータでは60.3%が5年以内に死亡している。生存期間をより長く予想した患者は、より現実的な生存期待を持つ患者と比較して、治療上の好みを文書化したり、快適さを重視したケアを優先したりする可能性が大幅に低く、心肺蘇生（調整オッズ比 [aOR] 5.3）や人工呼吸器（aOR 2.2）を選択する傾向が強かった8。

末期腎不全の高齢者における医学的罹患率と入院

腎代替療法を開始する高齢者は、予後に直接影響を与える医学的併存疾患や急性臨床イベントの負担が高い。USRDS（2024）4によると、2022年には、ESKDの新規患者の59%に糖尿病、25%に心不全、17%～28%にさまざまな形態の心血管疾患が認められた。同報告では、調整後の全原因による入院率について、PD施行者の65～74歳で1.37回/人年、75歳以上で1.42回/人年であったのに対し、HD施行者ではそれぞれ1.46回/人年および1.49回/人年であった4。

透析を開始する高齢者はマルチモビディティ（多疾患併存）を呈することが多く、これが臨床経過に大きな影響を与えます。また、併存疾患はステージ5のCKD患者の健康アウトカムや生存率にも深刻な影響を及ぼします。複数の研究において、透析を選択した患者と保存的治療で管理された患者との間で、生存率に有意な差がないことが報告されています。この結果は、ESKDへと進行する前に死亡する競合リスクが高いことと、透析療法による生存期間の延長効果が限定的であることに起因していると考えられます27,28。

65.5歳以上のメディケア受給者391人を対象とした米国のコホートにおいて、約3分の2が4つ以上の慢性疾患を抱えており、73%が入院中に透析を開始していた。これらの要因はいずれも、1年死亡率が50%を超えることと独立して関連していた29。同様に、67歳以上の成人28,049人を対象とした全国レジストリ研究では、80歳以上の患者は透析開始後の1年間に、平均67日間を病院または介護施設で過ごしていたことが判明し、特に認知症または心血管疾患を有する群でヘルスケア利用率が最も高かった30。

併存疾患の高い有病率に加え、透析導入後の早期期間は、繰り返される入院、感染症、および機能低下によって特徴付けられます。2017年に透析を開始した10,000人以上の欧州コホートにおいて、82.8%が少なくとも1回の入院を経験し、33.8%が1年以内に死亡しており、早期合併症による多大な負担が浮き彫りになっています31。感染症関連の入院は依然として主要な罹患原因であり、全入院の約3分の1を占め、追跡期間中に高齢患者のほぼ半数に影響を及ぼしています。糖尿病、心不全、および低アルブミン血症は、これらの入院における主要なリスク要因に含まれます32。

透析を開始した高齢者における機能低下

機能的なフレイルと依存状態は、高齢者における透析導入に伴うリスクをさらに増大させます。HDを受けている高齢者のうち、46%がフレイル、55%が低栄養、21%が日常生活基本動作において依存状態にあると分類されました33。透析導入後の機能低下は一般的であり、臨床的に重要な意味を持ちます。

米国で3,700人以上の介護施設入居者を対象としたTamura et al.による画期的な研究34では、長期療養施設で使用されるMinimum Data Setから導出された基本セルフケア活動における依存度の標準的指標であるMinimum Data Set–Activities of Daily Living (MDS-ADL)スコア35が、透析導入前の中央値12から導入後には16に上昇しました。3ヶ月後の時点で、ベースラインの機能状態を維持していた参加者はわずか39%でした。1年後までには58%が死亡し、以前の機能レベルを保持していたのはわずか13%でした。同様に、Jassal et al.36は、80歳以上の成人において、透析導入後最初の6ヶ月以内に30%以上が自立能力を喪失したことを報告しています。透析の手法（HD対PD）および透析導入時の設定（入院対外来）のいずれも、その後の機能低下とは関連していませんでした36。

より最近の知見では、このパターンが地域居住の高齢者においても認められることが示されています。Goto et al.によるオランダのコホート研究37では、65歳以上の成人の40%が透析開始後の最初の6か月間に機能的な低下を経験しており、高齢で虚弱な個体でリスクが最も高いことが観察されました。さらに、参加者の79%がベースライン時にある程度の機能的依存状態にあり、介護者の負担は追跡期間中に23%から38%に増加しました37。

国際的な研究により、機能的依存が予後の悪化に関連していることが一貫して示されています。2016年に発表された透析アウトカムおよび診療パターンの研究では、重度の機能的依存（機能スコア <8/13）が、年齢や併存疾患とは独立して、死亡リスクを2.37倍高めることが明らかになりました38。Pereira et al.33もまた、HDを受ける75歳以上の成人において、フレイルと機能的依存の割合が高く、透析後の疲労が頻発することを報告しています。これらの知見は、透析開始時からの包括的な老年医学的評価、およびリハビリテーションと支持療法の早期導入の重要性を裏付けるものです。

CKDおよびESKD患者集団における死亡率予測のための予後ツール開発

集団ベースの死亡率データは、高齢者に対する透析の潜在的な有用性について一般的な視点を提供しますが、個々の予後予測を提示することはできません。よりパーソナライズされた予後評価を支援するため、多国籍の研究者がCKD患者およびESKDへ進行した患者向けのリスク予測ツールを開発してきました。これらのツールは、設計および意図される臨床応用の両面で大きく異なります。単一の主観的な臨床評価に依存するものもあれば、日常的に利用可能な臨床検査パラメータ、構造化された併存疾患指標、あるいは専用のデータインフラストラクチャを必要とする多変量モデルや機械学習モデルを組み込んだものもあります。このような異質性は実用的には重要な意味を持っており、多忙な外来診療において最も利用しやすいツールが、必ずしも予測性能が最も高いツールであるとは限らないためです。

透析中の生存率における併存疾患の影響

併存疾患の負荷は、透析を開始する高齢者の早期死亡および入院の確立された決定要因であり、複数の研究グループがこのリスクを、良好な予測能と臨床的適用性を備えた予後予測モデルへと変換しています。特定の併存疾患はほとんどの予測モデルに含まれており、特に血管疾患（とりわけ末梢血管疾患）や、認知症などの認知機能障害が挙げられます。鬱血性心不全（CHF）を含むその他の一般的な疾患は、モデルによって予測能にばらつきが見られます。活動性または転移性癌を含む深刻な生命危惧疾患や、肝機能不全や呼吸不全などのその他の終末器官疾患は、一部の予後予測モデルに組み込まれています26,39。

マルチモービディティ（多疾患併存）を要約するツールの中でも、チャールソン併存疾患指数（CCI）は最も広く利用されている指標の一つです。ESKD患者向けに適合させた研究において、Hemmelgarn et al.40 は、元のCCIの妥当性を確認し、ESKD併存疾患指数を用いることでパフォーマンスが向上することを実証しました（表1）。CCIにおいて、転移性疾患、リンパ腫、およびCHFは最も高い重み付けがされており、死亡リスクは暦年齢単独よりも、併存疾患全体の負荷による影響を強く受けることが強調されています。CCIの妥当性は、その後の複数の独立した研究でも確認されています41,42,43,44。より多くの併存疾患を組み込むことで予測精度は向上する可能性がありますが、一方で、日常的な臨床現場におけるこれらのモデルの実装はより複雑になります。

予後予測モデル間における予測性能の差は、モデルの導出元となった集団の多様性を反映している可能性が高い。ほとんどのモデルは単一の地理的領域内で開発されており、外部妥当性の検証が行われていない45。さらに、転移性癌などの末期疾患患者や、期待余命が極めて短い患者には透析が提供されない場合があり、そのためこれらのモデルの開発に使用された集団において過小評価されている可能性があるため、選択バイアスがモデルの性能に影響を及ぼしている可能性がある。臨床現場で予後予測値を解釈し適用する際は、このような潜在的な適応バイアスを考慮すべきである。

機能的尺度とサプライズ質問の使用

フレイルは、CKDを患う高齢者における死亡および入院の独立した予測因子として認識されています。この集団においてフレイルは一般的です。Gimena-Muñoz et al.46は、Friedフレイルフェノタイプを用いてフレイル状態を定義し、進行したCKD患者におけるフレイルの有病率が27%であることを報告しました。また、彼らは2型糖尿病と貧血がフレイルの独立した予測因子であることも明らかにしました。さらに、フレイルはCKDの発症リスクを有意に増加させる可能性があります47。

Puri et al.による、進行したCKD患者を含む105件の研究を対象とした系統的レビューおよびメタ解析において48、Fried Frailty PhenotypeまたはRockwood Clinical Frailty Scale (CFS)を用いて評価されたフレイルは、非フレイルの個人と比較して死亡リスクが2倍に増加することに関連していた（表 1）。また、フレイルにより入院リスクも2倍になり、暦年齢や併存疾患を超えた予後予測能があることが確認された。これらの知見は、腎臓内科の実務における日常的なリスク層別化にフレイル評価を組み込むことの重要性を強調している。

これらの知見と同様に、Kennard et al.49 は、進行したCKD患者において、フレイルが死亡、入院、および透析導入のリスクを2〜6倍増加させると報告した。透析治療を受けている患者におけるフレイルは、感染症、心血管イベント、血管アクセス不全、透析後の回復遅延、治療アドヒアランスの低下を含む頻繁な合併症とも関連している50。高齢者において、これらの合併症は疾患負荷の増大、機能的依存度の向上、および医療利用率の上昇を招く。フレイルは、暦年齢やマルチモビディティで調整した後でも、腎代替療法を受ける患者および保存的治療を受ける患者を含むCKD患者における罹患率と死亡率の強力な予測因子である51。機能評価スケールを客観的な臨床パラメータと統合することで、ESKDのリスク予測ツールの予測性能をさらに向上させることができる可能性がある6,26。

CKD（慢性腎臓病）およびESKD（末期腎不全）のいくつかの予後予測モデルには、「サプライズ・クエスチョン（SQ）」が組み込まれており、これは次のように問うものである。 「この人物が今後12か月以内に死亡したとして、あなたはそのことに驚きますか？」 これらのモデルには、Cohenによって開発されたものが含まれる。 ら52, シュミット 他6、およびハビエル 他53 (表1）。SQは、患者の健康状態に関する医療従事者の総合的な臨床判断を反映しており、臨床的ゲシュタルトの尺度と見なされる場合がある。前向き多施設共同研究において、Schmidtは 他6 3つの独立した予測因子を組み込んだ予後モデルを開発した。それらは、SQに対する陰性反応（オッズ比 [OR] 3.29）、中等度または低度のカルノフスキーKPS（KPS 50–70の場合のORは2.09、KPS 40以下の場合のORは4.69）、および加齢（10歳上昇するごとにOR 1.41）である。このモデルは良好な予測能を示し、進行したCKDにおける不良な転帰を推定する上で、臨床的判断を客観的な機能評価と組み合わせることの有用性が明らかになった。表 1)6.

Javierら53は、透析を受けていないCKDステージ4–5の60歳以上の成人388人を対象とした前向き研究において、SQを評価した（表1）。彼らはSQの3カテゴリー版（はい/不確実/いいえ）を用いたところ、死亡リスクに明確な勾配が認められた。具体的には、「はい」で5%、「不確実」で15%、「いいえ」で27%であった（P < 0.001）。SQの2値版では感度は向上した（66%）が、特異度は低下した（68%）。SQの解釈は本質的に主観的であり、臨床医によって異なる可能性があるが53、その主な利点は、簡便さ、直感的な適用、そして日常的な臨床現場での使いやすさにある。

実験パラメータ

推定糸球体濾過量（eGFR）、血清アルブミン、ヘモグロビン、およびKt/Vなどの透析効率指標を含む、日常的に測定されるいくつかの臨床検査パラメータが、透析導入時の予後予測における重要性を示している54,55,56。これらの中で、血清アルブミンとヘモグロビンは、患者の栄養状態、炎症状態、および機能的状態を反映する簡便に利用可能なマーカーである。CKDステージ1～4の高齢者のレトロスペクティブコホートにおいて、血清アルブミン値の低下は、年齢、性別、および腎機能を調整した後でも、全死因死亡率の上昇と独立して関連していた55。同様に、透析導入時の貧血は早期死亡の強力な予測因子となっており、ヘモグロビン値が10 g/dL未満で治療を開始した患者は、その後の補正が行われたにもかかわらず、死亡率が大幅に高いことが示されている56。この観察結果は、透析導入時の低ヘモグロビン血症が、単なる可逆的な貧血ではなく、慢性炎症や不十分な透析前ケアを反映している可能性を示唆している。また、直感に反するように見えるが、透析導入時のeGFRが高いことも早期死亡率の増加に関連している54。この関連性は、重篤な併存疾患や急性疾患を持つ患者が、腎機能が比較的維持されているにもかかわらず早期に透析を開始するという適応バイアスを反映していると考えられる。また、低栄養や筋肉量減少の影響を反映している可能性もある。

著者 / 年ツールの種類研究対象集団目的 / 予後予測期間主要変数臨床的適用性 / 限界点
Schmidt et al.6臨床予測モデルCKD ステージ 4–5（非透析）12 ヶ月死亡率Surprise Question、KPS、年齢簡便で検証済みのモデルであり、透析導入または保存的腎管理に関する意思決定の支援に有用である。
Obi et al.9臨床予測モデル米国の退役軍人 35,878 人1 年死亡率（eGFR <15 vs. ≥15 mL/min/1.73 m²）年齢、併存疾患、eGFR、アルブミン、がんeGFR に基づく個別のモデル。主に男性のコホートであり、フレイルや機能的指標は含まれていない。
Couchoud et al.15臨床予測モデル75 歳以上（フランス、REIN）3 ヶ月死亡率年齢、性別、CHF、不整脈、末梢血管疾患、活動性がん、低アルブミン血症、機能的依存、行動障害患者を低リスク、中リスク、高リスクのグループに分類する。ESKD の高齢者に広く適用可能。
Davison et al.18臨床予測モデル腹膜透析6–18 ヶ月死亡率改訂 Cohen モデル ＋ 看護スタッフが記入した Surprise QuestionPD において外部検証済み。高リスク患者では死亡率を過大評価する。看護師の役割と機能評価の重要性を強調している。
Dusseux et al.24臨床予測モデル新規透析導入、70 歳以上（フランス、REIN）3 年死亡率年齢、性別、糖尿病、CVD、依存度、低 BMI、一時的カテーテル透析導入よりも腎移植紹介の適格者を特定するために設計された。判別能は中程度（c-statistic 0.71）で較量性は良好だが、フランス国外での外部検証はなされていない。
Thamer et al. 39臨床予測モデル67 歳以上、米国3 および 6 ヶ月死亡率包括的モデルおよび簡略化モデル（年齢、依存度、アルブミン、がん、CHF、入院、施設入居）簡便なベッドサイドスコア。生活の質（QOL）や患者の意向に関する指標は組み込まれていない。
Hemmelgarn et al.40併存疾患指標維持 HD全死亡率併存疾患（CHF、がん、リンパ腫、転移）ESKD Index は CCI よりも優れた性能を示す。機械学習と組み合わせることでさらに性能が向上する（Noh et al.43; AUC 0.8357）。
Santos et al.44臨床予測モデル65 歳以上、ポルトガル透析導入後 6 ヶ月死亡率年齢、冠動脈疾患、片麻痺を伴う脳卒中、低アルブミン、腎臓内科への紹介遅延Couchoud モデルよりも優れた性能を示した。非透析患者は除外されており、フレイル評価は含まれていない。
Ivory et al.45臨床予測モデル新規 HD/PD、15 歳以上（ANZDATA）6 ヶ月死亡率12 の臨床変数（年齢、BMI、併存疾患、糖尿病、紹介遅延）Couchoud および Wagner モデルよりも優れた性能を示した。オーストラリアおよびニュージーランド以外での適用性は限定的である可能性がある。
Puri et al.48フレイル/機能評価スケールCKD 患者（透析を含む全ステージ）死亡および入院FFP、CFS、改訂 FFP、FRAIL Scale、フレイル指数FFP と CFS が死亡および入院に対して最も強い予後予測能を示した。改訂 FFP は、パフォーマンスベースの検査が困難な場合の現実的な代替案となる。臨床的判断のみでは不十分である。
Oki et al.50フレイル/機能評価スケール新規 HD/PD 患者2 年死亡率および入院CFS看護師により遡及的に適用。長期入院例は除外。日常的な臨床使用に適している。
Cohen et al.52臨床予測モデル維持 HD6 ヶ月死亡率年齢、認知症、末梢血管疾患、アルブミン、Surprise Question臨床的判断と客観的変数を組み合わせたものであり、強い判別能（AUC 0.80–0.87）を示す。
Javier et al.53主観的評価ツール60 歳以上、CKD ステージ 4–512 ヶ月死亡率Surprise Question（3 カテゴリ版および 2 カテゴリ版）1 年死亡率を予測する。患者に関する事前の知識を必要とする。検者間一致度は中程度で、再テスト信頼性は良好である。
Sun et al.55検査指標CKD ステージ 1–4（70% が 65 歳以上）長期全死因死亡率血清アルブミン、年齢単一施設の後向きコホート（n = 201）。単独の予測因子というよりは、補完的なマーカーとして有用である。
Wick et al. 54臨床予測モデル透析導入時 65 歳以上6 ヶ月死亡率80 歳以上、eGFR ≥15 mL/min/1.73 m²、既往入院、CHF、AF、がん短期死亡リスクを層別化する。eGFR ≥15 mL/min/1.73 m² は、早期または計画外の透析導入を反映している可能性がある。判別能は良好（ROC 0.73）。
Karaboyas et al.56検査指標国際的な新規 HD コホート（DOPPS）1 年死亡率ベースラインのヘモグロビン、ESA および IV 鉄投与量鉄投与量との U 字型相関を示す。ヘモグロビン <10 g/dL または ESA 高用量で死亡率が高くなる。補完的なバイオマーカーとして有用である。
García-Montemayor et al.57機械学習モデル新規 HD（スペイン）6–24 ヶ月死亡率15 の臨床的および検査的変数（Random Forest）ロジスティック回帰に対する改善はわずかである（ΔAUC 0.007–0.046）。クレアチニン、Kt/V、ヘモグロビンが早期死亡の重要な予測因子となる。
Sheng et al.59機械学習モデル新規 HD（中国）1 年死亡率年齢、eGFR、CRP、ヘモグロビン、併存疾患（XGBoost）AUC 0.83–0.85。42 の候補変数のうち 15 変数を保持。多様な集団での外部検証が必要である。

表1：進行した慢性腎臓病および末期腎不全患者における死亡率予測ツールこの表は、進行した慢性腎臓病（CKD）および末期腎不全（ESKD）患者の死亡率を推定するために開発された、検証済みの予後予測ツール、フレイル評価、臨床検査マーカー、および機械学習モデルをまとめたものである。各研究について、対象集団、予後予測期間、主要な予測変数、および強みと限界を含む臨床応用のための重要な考慮事項を概説している。 略語：AF：心房細動、AUC：受信者動作特性曲線下面積、BMI：ボディマス指数、CCI：チャールソン併存疾患指数、CFS：臨床フレイル尺度、CHF：うっ血性心不全、CKD：慢性腎臓病、CRP：C反応性蛋白、CVD：心血管疾患、eGFR：推算糸球体濾過量、ESA：赤血球造血刺激因子製剤、ESKD：末期腎不全、FFP：Friedフレイル表現型、HD：血液透析、IV：静脈内、KPS：カルノフスキー性能状態、PD：腹膜透析、REIN：腎疫学・情報ネットワーク、ROC：受信者動作特性、US：米国、XGBoost：Extreme Gradient Boosting。こちらのリンクから本表をダウンロードしてください。

死亡率予測のための機械学習モデル

透析患者の死亡率予測において、機械学習（ML）アルゴリズムの適用が進んでおり、従来の回帰ベースのモデルと比較して判別能が向上したことを示す研究が数多く報告されています。Garcia-Montemayor et al.57 は、血液透析患者における6か月、1年、および2年後の死亡率予測において、ランダムフォレストモデルがロジスティック回帰を上回り、受信者動作特性曲線下面積（AUC）が0.68から0.73の範囲であったことを報告しました（表1）。Yang et al.58 は、腹膜透析患者にCatBoost分類器を適用し、年齢、体重、および血清アルブミンを最も影響力のある予測因子として特定しつつ、0.80のAUCを達成しました。Sheng et al.59 は、97の腎センターにおける1年目の死亡率を予測するためのExtreme Gradient Boosting（XGBoost）モデルを開発し、外部検証を行いました。このモデルは0.83～0.85のAUCを達成し、以前に発表された回帰モデルの性能を大幅に上回りました（表1）。同様に、Koh et al.60 は、東南アジアの高齢者コホートにおいて、ランダムフォレストモデルが既存のREINおよびWick予後スコアを上回り、0.83のAUCを達成したことを示しました。

これらの有望な知見がある一方で、重要な限界も残っています。ほとんどのMLモデルは、単一施設コホートからのレトロスペクティブデータを用いて開発されており、外部検証が限定的で、解釈可能性も低い状況にあります。SHapley Additive exPlanations（SHAP）などの説明可能性の手法によってモデルの透明性は向上しましたが、解釈可能性は依然として日常的な臨床実装への重要な障壁となっています。現在まで、MLによる予後予測がCKDまたはESKD患者の臨床アウトカムや共有意思決定の質を改善するかどうかを評価したプロスペクティブ無作為化試験は行われておらず、これは重要なエビデンスの欠如を意味しています。

臨床実務における予後予測ツールの導入を妨げる要因

進行したCKDおよびESKDの患者に対する予後予測ツールの利用可能性が高まっているにもかかわらず、日常的な臨床現場への導入は依然として限定的です。カナダの腎臓専門医を対象とした調査では、80%以上が予後予測において主に臨床的直感（clinical gestalt）に依存しており、約70%が正式な予測ツールを全く、あるいはほとんど使用していないことが示されています61。報告されている障壁としては、集団ベースのリスク推定値を個々の患者に適用することへの懸念、時間的制約、および利用可能なツールやその使用を裏付けるエビデンスへの習熟度の低さが挙げられます。特に、医療従事者は集団レベルでの予後予測ツールの価値と、個々の患者への適用との違いを一貫して区別しており、これは外部妥当性の検証だけでは解決しがたい課題であることを浮き彫りにしています62。

多くの予後予測モデルの実用的な導入は、一部の出版物において完全な回帰方程式やリスクスコアなど、利用可能な形式で提供されていないため、日常的な臨床応用が困難であるという点により、さらに制限されています63。加えて、発表されたモデルのうち外部妥当性確認が行われているものはわずか26.7%であり、予後予測ツールが共有意思決定や患者のアウトカムを改善するかを評価する正式な影響研究も、依然として一般的ではありません63。したがって、腎臓内科における予後予測ツールの実社会での採用率は低いままであり、これは臨床医の信頼感の不足、経験不足、および患者のアウトカム改善における臨床的な有用性に関する不確実性を反映している可能性があります64。

この実装上のギャップを解消するには、新しい予後予測モデルの開発と検証にとどまらない取り組みが必要です。予後予測ツールを電子健康記録（EHR）に統合することで、臨床医が繰り返し指摘している時間、アクセシビリティ、およびワークフローに関連する障壁を低減できる可能性があります62。さらに、単に数値的な推定値を提示するのではなく、重篤な疾患に関する対話の中で確率的なリスク情報を効果的に伝える方法を腎臓専門医にトレーニングすることは、モデルの精度をさらに向上させることと同等に重要である可能性があります62,65。

限界

既存の文献におけるいくつかの限界について認める必要がある。ほとんどの予後予測モデル9,26,39,45,55,66は、地理的に限定されたコホートを用いて開発されており、他の医療現場への汎用性は不透明なままである。一部のツールは高齢者向けに特化して開発されているが、検証済みのモデルの多くには若年の透析患者が含まれており、フレイルな高齢者に特化した予後予測ツールは依然として限られている。また、現在の文献は血液透析コホートに大きく偏っており、腹膜透析患者に対する検証済みの予後予測モデルは、Davison et al.18による研究などの数少ない例があるのみである。機械学習モデルは有望ではあるが、前向き臨床試験での評価はまだなされておらず、現在利用可能な予後予測ツールの中で、その使用が共有意思決定の質や患者のアウトカムを改善することをランダム化試験で示したものは存在しない。

今後の研究では、多様な集団および透析法における予後予測モデルの開発と外部妥当性の検証、予後予測に基づいたケアの前向き評価、および患者報告による好みを臨床的リスク評価フレームワークに統合することを優先すべきである。

結論

予後予測は、共有意思決定の重要な構成要素です。腎臓内科医は、提案される治療法を患者の価値観や好みに合わせるため、正確かつ人間中心のアプローチで予後情報を提供すべきです。リスク予測モデルを含む予後予測ツールは、腎臓内科医がよりきめ細やかなリスク評価を行うのに役立ちます。これらのツールにより、包括的高齢者評価、アドバンスケアプランニング、あるいは症例によっては、より侵襲性の低い代替治療や緩和ケアの恩恵を受けられる個人の早期特定が促進される可能性があります26。逆に、積極的な血管アクセス計画や移植評価のメリットがある、予後の良好な患者を特定するのに役立つ場合もあります。利用可能な予後予測ツールは、「サプライズ・クエスチョン（Surprise Question）」のような迅速な主観的評価から、複雑な多変数モデルまで多岐にわたります。しかし、これらのモデルはすべての集団に適用できるわけではなく、適切な臨床的状況においてのみ使用されるべきです。したがって、医療従事者は、過度に単純化しすぎない予後推定値を導き出すために、検査パラメータ、併存疾患、機能評価スケール、および臨床的判断を組み合わせたマルチモーダルなアプローチを採用すべきです。Cohen et al.52、Schmidt et al.6、およびCouchoud et al.26 (Table 1) によって開発されたモデルは、公開されたリスク計算ツールがあり、臨床現場で迅速に適用できるため、特に有用である可能性があります。Cohen et al.52 および Schmidt et al.6 によるモデルは、臨床的判断を客観的パラメータと組み合わせることで、より包括的な評価を可能にしています。予後情報をどのように伝えるかも同様に重要です。情報は、患者が理解しやすい言葉で提示し、死に関する議論への準備状況に配慮する必要があります。予後推定値は、対話を導き、治療の潜在的な利点と限界を具体化するために用いられるべきであり、臨床医は適切な説明なしに絶対的リスク推定値を提示することを避けるべきです。「Best Case/Worst Case（最善のケース／最悪のケース）」ツールのような構造化されたコミュニケーションフレームワークは、シナリオプランニングと図解を用いて、各治療オプションにおける最善、最も可能性の高い、および最悪の結果を記述します。こうしたアプローチにより、腎臓内科医は単なる統計的推定値を超えた視点を持ち、患者や家族が自身の目標と価値観を反映した治療決定を行うことを支援できます16,67。今後の課題は、多様な集団において予後予測ツールの妥当性を検証し、それらの使用が共有意思決定および患者中心のアウトカムを改善するかどうかを評価することに重点を置くべきです。

開示事項

著者らは、競合する金銭的利益または利益相反がないことを宣言します。また、著者らは図1の初版を作成するためにOpenAIの画像生成ツールを使用しました。この図はその後、著者らによってレビュー、修正、承認されており、著者らがその科学的な内容および臨床的な正確性について全責任を負います。

参考文献

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. Merchant AA, Ling E. An approach to treating older adults with chronic kidney disease. CMAJ. 2023;195:E612-8. doi:10.1503/cmaj.221427.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. 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.
  23. 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.
  24. 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.
  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.
  26. 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.
  27. 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.
  28. 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.
  29. 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.
  30. 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.
  31. 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.
  32. 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.
  33. Pereira M, et al. Dependency and frailty in the older haemodialysis patient. BMC Geriatr. 2024;24:416. doi:10.1186/s12877-024-04973-8.
  34. 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.
  35. 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.
  36. 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.
  37. 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.
  38. 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.
  39. 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.
  40. 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.
  41. 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.
  42. 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.
  43. 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.
  44. 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.
  45. 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.
  46. 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.
  47. 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.
  48. 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.
  49. 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.
  50. 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.
  51. 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.
  52. 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.
  53. 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.
  54. 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.
  55. 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.
  56. 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.
  57. 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.
  58. 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.
  59. 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.
  60. 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.
  61. 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.
  62. 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.
  63. 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.
  64. 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.
  65. 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.
  66. 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.
  67. 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.

再版と許可

タグ

お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。