리뷰 논문

말기 신성 질환의 예후 판정: 도구, 근거 및 임상 적용

85 조회수

⸱

DOI:

10.3791/70058

⸱

2026년 8월 18일

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

이 논문에서

요약

본 리뷰에서는 말기 신질환의 예후 예측 도구를 요약하며, 사망 위험 평가, 공유 의사결정, 보존적 신장 관리 및 고령자를 위한 개별 맞춤형 치료 계획에서의 적용 사례를 강조합니다.

초록

말기 신질환의 예후 예측은 환자 중심 케어와 공유 의사결정에 있어 필수적입니다. 본 리뷰는 투석 또는 보존적 신장 관리를 고려하고 있는 말기 신질환 고령 환자의 예후 평가에 관한 최신 근거를 요약합니다. 또한 예후 예측의 근거를 살펴보고, 동반 질환 부담, 노쇠, 기능적 상태 및 생화학적 파라미터를 포함하여 사망률의 주요 임상적, 기능적, 실험실적 예측 인자들을 검토합니다. 본 리뷰에서는 Charlson Comorbidity Index, Surprise Question 및 다변량 예측 모델을 포함하여 검증된 예후 도구와 개별화된 위험 예측을 위한 최신 머신러닝 접근법에 대해 논의합니다. 또한 기능적 저하, 입원, 제한적인 생존 이점이 치료 결정에 미치는 영향을 조사하고, 사전 돌봄 계획 및 목표 일치 케어에서 예후 정보의 역할을 강조합니다. 아울러 예후 소통 방법과 일상적인 신장내과 진료에서 예후 도구를 구현할 때 발생하는 실질적인 어려움에 대해 논의합니다. 근거 기반의 예후 평가를 개별 임상 평가 및 환자의 가치와 통합함으로써, 예후 예측은 정보에 입각한 치료 결정을 지원하고 말기 신질환 고령 환자를 위한 개인 맞춤형 케어를 촉진할 수 있습니다.

서론

만성 신장 질환(CKD)은 전 세계적으로 약 8억 4,360만 명에게 영향을 미치며, 200만 명 이상의 사람들이 말기 신부전(ESKD)을 앓고 있는 것으로 추정됩니다1,2,3,4,5. 고령자는 진행성 신장 질환이 발생할 위험이 높으며, 특히 심혈관 질환 및 기타 동반 질환이 있는 경우 더욱 그러합니다. 의학적 치료의 상당한 발전에도 불구하고, 말기 신부전은 여전히 높은 사망률과 이환율의 상당한 위험을 수반합니다1,4.

CKD 관리의 중요한 측면은 ESKD로 진행될 가능성에 대비한 사전 돌봄 계획을 세우는 것입니다. 신장 이식은 생존율과 삶의 질 측면에서 가장 좋은 결과를 제공하므로 선호되는 신대체요법입니다. 하지만 적절한 기증자가 없는 환자에게는 이식이 불가능할 수 있으며, 수술적 또는 의학적 위험도가 높거나, 쇠약하거나, 기대 수명이 제한적인 환자에게는 이식이 금기시될 수 있습니다. 이는 종종 고령 환자들에게 해당하며, 이들은 불확실한 미래와 더불어 가정이나 클리닉에서 평생 투석을 시작할 것인지, 아니면 생존 기간이 단축될 수 있음을 인지하고 증상 조절에 집중하는 의학적 관리를 선택할 것인지에 대한 어려운 결정에 직면하게 됩니다. 의사는 일부 상황에서 투석이 반드시 생명을 연장하지 않으면서 고통만 가중시킬 수 있음을 인식하는 동시에, 개별화된 환자 중심의 접근 방식을 제공해야 할 임상적, 윤리적, 법적 책임이 있습니다6.

이러한 맥락에서 사전 돌봄 계획은 미래의 결정을 각 개인의 가치관, 바람, 그리고 변화하는 임상 상황에 맞춤으로써 환자, 가족 및 의료 전문가를 지원하는 중요한 도구입니다6. 환자와 가족이 투석의 이점과 위해성에 대해 명확하고 종합적인 정보를 제공받을 때, 자신의 가치관 및 선호도에 부합하는 정보에 기반한 선택을 더 잘 내릴 수 있습니다. 이들은 공유 의사결정 과정에 참여하도록 권유받고 격려되어야 합니다. 투석이 생존율을 높이고 증상을 완화할 수 있지만, 고령이거나 쇠약한 환자에게는 그 이점이 크지 않을 수 있으며, 치료로 인해 독립성과 삶의 질이 상당히 저하될 수 있습니다7. 따라서 예후 예측은 환자 교육과 공유 의사결정의 핵심 구성 요소입니다. 생존과 삶의 질 사이의 절충안을 고려하기 위해 환자는 투석 시작으로 얻을 수 있는 잠재적인 생존 이점과 치료가 삶의 질에 어떤 영향을 미칠 수 있는지 이해해야 합니다.

이 리뷰에서는 투석을 고려 중이거나 시작하려는 환자의 예후를 예측하는 데 사용되는 전략과 도구의 주요 특징을 논의합니다. 또한, 이러한 접근 방식이 신장 관리 팀, 환자 및 가족이 ESKD의 치료 옵션과 관리 경로에 대해 공동 의사결정을 내리는 데 어떻게 도움을 줄 수 있는지 살펴봅니다 (그림 1).

CKD/ESKD 치료 결정을 위한 환자 중심 예후 예측 경로도: 평가 및 의사 결정 단계 표시.
그림 1말기 만성 신장질환(CKD) 및 말기 신질환(ESKD)에서의 환자 중심 예후 예측 경로. 이 도식은 개인 중심 진료를 지원하기 위한 종합적인 환자 평가, 다모달 예후 평가, 예후 소통 및 공유 의사 결정, 치료법 선택, 그리고 지속적인 재평가 과정을 요약하여 보여줍니다. 위첨자 숫자는 원고에 인용된 참고 문헌에 해당합니다. 이 그림은 OpenAI 이미지 생성 도구의 도움을 받아 제작되었으며, 이후 저자들이 과학적 및 임상적 정확성을 검토하고 승인하였습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

리뷰 및 관점

만성 신장 질환에서 예후 예측의 중요성

예후와 예상되는 질병 진행 과정에 대한 이해는 치료 목표와 삶의 결정에 상당한 영향을 미칠 수 있습니다. 이러한 이해는 환자 중심의 진료를 제공하고, 공동 의사결정을 촉진하며, 사전 돌봄 계획을 수립하는 데 필수적입니다. 그러나 암 환자와 고령자를 대상으로 한 연구에 따르면, 의료 전문가는 예후 정보를 거의 전달하지 않는 반면, 환자들은 미래에 대해 지나치게 낙관적인 기대감을 유지하는 경우가 많은 것으로 나타났습니다8.

예후 평가는 환자와 의사 간 논의의 핵심 요소이며, 특히 투석 시작 여부를 결정할 때 기대 수명에 대한 정보를 빈번하게 요청하게 됩니다. 개인적, 문화적, 종교적 선호도와 가치관 또한 개인이 생명 연장을 위해 투석을 선택할지 여부에 중요한 역할을 합니다6. 조기 사망률을 예측하는 위험 예측 모델은 치료를 개인 맞춤형으로 최적화하고, 의료 전문가, 신장 질환 환 및 그 가족 간의 공유 의사결정을 지원하는 데 도움이 될 수 있습니다9. 이는 특히 보다 보존적인 치료 경로를 고려 중인 환자들에게 중요합니다. 투석을 시작하지 않고 적극적인 내과적 치료, 증상 조절 및 다학제적 지원을 지속하는 보존적 신장 관리(CKC)는, 신대체 요법의 대상이 되지 않는 환자들을 위한 기본 선택지가 아니라 정당한 치료 경로 중 하나로 국제 가이드라인에서 점점 더 인정받고 있습니다10. 전반적으로 투석은 CKC보다 더 긴 중앙 생존 기간을 제공하는 것으로 나타났으나(치료 결정 시점부터 3.1년 대 1.5년), 이러한 생존 이점은 80세 이상의 환자에서는 사라지며(P = 0.08), 심각한 심혈관계 동반 질환이 있는 환자에서는 상당히 감소합니다11,12. 사망률 결과 외에도, 입원율은 CKC를 받는 환자군에서 유의하게 낮았습니다(발생률비, 0.40; 95% 신뢰구간 [CI], 0.32–0.49)13.

CKC는 또한 삶의 질 향상, 증상 부담 감소, 그리고 병원이 아닌 집에서 사망할 가능성이 높아지는 것과 관련이 있습니다12. 이러한 결과는 CKC를 단순히 잔여 치료 옵션으로만 사용하는 것이 아니라, 환자의 취약성 궤적에 따라 전향적으로 통합해야 함을 뒷받침합니다. 예후 평가는 이러한 치료 철학으로부터 가장 큰 혜택을 받을 가능성이 높은 개인을 식별하는 데 도움이 될 수 있습니다. 예를 들어, 환자가 투석 시작 후 1년 이내에 사망할 위험이 높을 것으로 예상된다면, CKC 또는 수정된 투석 전략이 고려할 만한 적절한 옵션이 될 수 있습니다9. Jassal et al.은 취약성 상태에 따라 치료 강도, 식이 제한 및 가정 내 지원을 맞춤화하고, 정기적인 재평가를 통해 환자의 상태 변화에 따라 양방향 전환이 가능하도록 하는 취약성 정보 기반의 투석 관리 경로를 제안했습니다14.

예측 도구는 의료 전문가가 환자와 그 가족이 ESKD 치료에 관한 결정을 내리는 과정을 안내하는 데 도움을 줄 가능성이 높습니다15,16. 국제 가이드라인에서는 환자에게 예후를 알릴 것을 강력히 권고하며17,18,19, 대부분의 환자가 예후 정보 제공을 원한다는 근거가 있음에도 불구하고20,21,22, 이러한 관행이 일상적인 임상 진료에서 일관되게 시행되지는 않았습니다. 효과적인 예후 소통을 방해하는 몇 가지 장벽이 존재합니다. 신장내과 전문의는 정확하고 개별화된 위험 추정치를 제공하는 도구가 부족할 수 있으며, 예후 논의가 환자에게 미칠 잠재적인 정서적 영향에 대한 우려로 인해 이를 논의하는 것을 불편하게 느낄 수 있습니다. 또한 연구에 따르면 환자들은 일반적으로 추정 생존 시간으로만 표현된 예측보다는 예후에 관한 보다 폭넓은 논의를 선호하는 것으로 나타났습니다23. 더욱이, 많은 예후 모델은 외부 검증이 부족하여 일상적인 임상 실무에 쉽게 적용되지 못하며, 복막 투석을 받는 환자가 포함된 코호트를 사용하여 개발된 모델은 상대적으로 적습니다. Dusseux et al.은 조기 사망률 예측을 넘어, 투석을 받는 프랑스 고령 환자(70세 이상)를 위한 3년 사망률 점수를 개발하여 신장 이식에 적합할 수 있는 대상자를 식별함으로써, 예후 도구가 투석 시작 여부에 대한 초기 결정 이상의 응용 분야를 가지고 있음을 입증하였습니다(Table 1)24.

말기 신질환 고령 환자의 전체 사망률

말기 신질환(ESKD)을 앓으며 투석 치료를 받는 고령자의 기대 수명은 일반 인구보다 상당히 낮습니다. 미국 신장 데이터 시스템(USRDS, 2024)4에 따르면, 65~74세 성인의 5년 생존율은 35.6%인 반면, 75세 이상에서는 23.8%이며, 지난 10년 동안의 개선 정도는 미미했습니다. 투석 방식별로 분석했을 때 결과는 비슷합니다. 혈액투석(HD)의 경우 5년 생존율은 약 34%로 유지되는 반면, 복막투석(PD)의 경우에는 연령에 따라 22%에서 35% 사이로 나타납니다.

최근 USRDS 데이터에 따르면, 2022년 기준으로 투석 치료를 받는 65~69세 연령층의 예상 기대 여명은 여성이 약 4.6년, 남성이 약 4.5년인 것으로 나타났습니다. 이는 75~79세 연령층의 경우 여성 3.5년, 남성 3.3년으로 감소했습니다. 반면, 해당 연령대의 신장 이식 수혜자는 수명으로 7~11년을 더 얻을 것으로 예상되며, 일반 인구의 기대 여명은 약 16~18년입니다. 기술적 진보와 후보자 선정 방식의 개선에도 불구하고, 이러한 결과는 투석과 관련된 수명 연장 효과가 여전히 제한적임을 확인시켜 줍니다4.

최근의 데이터는 생존율의 안정화를 보여주고 있지만, 이와 유사한 예후 패턴이 이전에도 보고된 바 있다. 미국 내 65세 이상 성인 350,000명 이상을 대상으로 한 인구 기반 분석에서, Kurella et al.25은 투석 시작 후 기대 수명이 연령이 증가함에 따라 점진적으로 감소한다고 보고했다. 중앙 생존값(50 백분위수)은 65~69세 성인의 2.5년에서 90세 이상 성인의 0.6년으로 감소했다. 마찬가지로 동일 연령 집단에서 75 백분위수는 4.6년에서 1.7년으로 감소했고, 25 백분위수는 0.9년에서 0.2년으로 감소했다. 이러한 큰 변동성은 비슷한 연령의 개인들 사이에서도 예후의 이질성이 상당함을 보여주며, 단순히 연대순 연령만으로는 예후를 결정할 수 없음을 강조한다. 사망 위험은 투석 시작 후 초기 단계에서 가장 높다. 75세 이후에 투석을 시작한 성인의 경우, 1년 생존 확률은 유럽에서 71%, 미국에서 59%이며, 2년 생존 확률은 유럽에서 54%, 미국에서 43%였다. 환자의 10% 이상이 투석 시작 후 첫 3개월 이내에 사망한다26.

이러한 역학적 발견에도 불구하고, 예후에 대한 환자들의 인식은 실제 관찰된 생존 결과와 상당히 다른 경우가 많습니다. 투석을 받는 993명의 환자 코호트에서 USRDS 데이터는 60.3%가 5년 이내에 사망했음을 나타냈음에도 불구하고, 단 11.2%만이 5년 미만으로 생존할 것으로 예상했으며, 33.0%는 10년 이상 생존할 것으로 기대했습니다. 생존 기간을 더 길게 예상한 환자들은 치료 선호도를 문서화하거나 편안함 중심의 케어를 우선시할 가능성이 상당히 낮았으며, 보다 현실적인 생존 기대치를 가진 환자들에 비해 심폐소생술(보정 오즈비 [aOR], 5.3)이나 기계적 환기(aOR, 2.2)를 선택할 가능성이 더 높았습니다8.

말기 신질환 고령 환자의 의학적 이환율 및 입원 현황

신대체요법을 시작하는 고령 환자들은 예후에 직접적인 영향을 미치는 의료적 동반 질환과 급성 임상 사건의 부담이 큽니다. USRDS(2024)4에 따르면, 2022년 말기 신질환(ESKD) 신규 환자의 59%가 당뇨병을 앓고 있었으며, 25%는 심부전, 17%~28%는 다양한 형태의 심혈관 질환을 가지고 있었습니다. 동일한 보고서에 따르면, PD를 받는 65~74세와 75세 이상 개인의 조정된 모든 원인 입원율은 각각 1인년당 1.37회 및 1.42회였으며, 이는 HD를 받는 환자의 1인년당 1.46회 및 1.49회와 비교됩니다4.

투석을 시작하는 고령 환자들은 흔히 다중 질환을 겪으며, 이는 환자의 임상 경과에 상당한 영향을 미칩니다. 또한 동반 질환은 5단계 CKD 환자의 건강 결과와 생존율에 깊은 영향을 줍니다. 여러 연구에 따르면 투석을 선택한 환자와 보존적 치료를 받은 환자 사이에 생존율의 유의미한 차이가 없는 것으로 보고되었습니다. 이러한 결과는 ESKD로 진행되기 전 사망이라는 높은 경쟁 위험과 투석 치료와 관련된 제한적인 생존 이점이 결합되어 나타난 결과로 보입니다27,28.

65.5세 이상의 미국 Medicare 수혜자 391명으로 구성된 코호트에서, 거의 3분의 2가 4가지 이상의 만성 질환을 앓고 있었으며, 73%가 입원 중에 투석을 시작했습니다. 두 요인 모두 1년 사망률이 50%를 초과하는 것과 독립적으로 연관되어 있었습니다29. 이와 비슷하게, 67세 이상의 성인 28,049명을 포함한 국가 등록 연구에 따르면, 80세 이상의 환자들은 투석 시작 후 첫 1년 동안 병원이나 요양 시설에서 평균 67일을 보냈으며, 치매 또는 심혈관 질환이 있는 환자들 사이에서 의료 이용률이 가장 높게 나타났습니다30.

높은 동반 질환 유병률 외에도, 투석 시작 후 초기 기간은 반복적인 입원, 감염 및 기능적 저하가 특징입니다. 2017년에 투석을 시작한 10,000명 이상의 유럽 코호트에서 82.8%가 최소 한 번의 입원을 경험했고 33.8%가 첫 1년 이내에 사망하여, 초기 합병증의 상당한 부담이 강조되었습니다31. 감염 관련 입원은 여전히 주요 이환 원인이며, 전체 입원의 약 3분의 1을 차지하고 추적 관찰 기간 동안 고령 환자의 거의 절반에게 영향을 미칩니다. 당뇨병, 심부전 및 저알부민혈증은 이러한 입원의 주요 위험 요인에 해당합니다32.

투석을 시작하는 고령자의 기능적 저하

기능적 노쇠와 의존성은 고령자의 투석 시작과 관련된 위험을 더욱 증가시킵니다. HD 치료를 받는 고령자 중 46%는 노쇠한 상태로, 55%는 영양 부족 상태로, 21%는 기본 일상생활 활동에서 의존적인 상태로 분류되었습니다33. 투석 시작 후의 기능적 저하는 흔히 나타나며, 이는 중요한 임상적 의미를 갖습니다.

Tamura의 획기적인 연구에서 외(外) 등34미국 내 3,700명 이상의 요양원 거주자가 참여하였으며, 장기 요양 시설에서 사용되는 최소 데이터 세트(Minimum Data Set)에서 도출된 기본 자기 관리 활동의 의존도를 측정하는 표준 척도인 최소 데이터 세트-일상생활수행능력(MDS-ADL) 점수를 활용하여35, 투석 시작 전 중앙값 12에서 시작 후 16으로 증가했습니다. 3개월 시점에서는 참가자의 39%만이 기저 기능 상태를 유지했습니다. 1년 후에는 58%가 사망했으며, 이전의 기능 수준을 유지한 비율은 13%에 불과했습니다. 마찬가지로, Jassal은 외.36 80세 이상의 성인 중 30% 이상이 투석 시작 후 첫 6개월 이내에 독립적인 생활 능력을 상실한 것으로 보고되었습니다. 투석 방식(혈액투석 대 복막투석)이나 투석 시작 환경(입원 대 외래) 모두 이후의 기능적 저하와 관련이 없었습니다.36.

더 최근의 증거에 따르면 이러한 패턴은 지역사회에 거주하는 고령자들 사이에서도 나타납니다. Goto et al.37의 네덜란드 코호트 연구에서는 65세 이상의 성인 중 40%가 투석 시작 후 첫 6개월 동안 기능적 저하를 경험했으며, 특히 고령 및 허약한 개인에게서 가장 높은 위험도가 관찰되었습니다. 또한, 참여자의 79%가 기저 상태에서 어느 정도의 기능적 의존성을 보였으며, 추적 관찰 기간 동안 간병인 부담은 23%에서 38%로 증가했습니다37.

국제 연구들에 따르면 기능적 의존도는 일관되게 더 좋지 않은 결과와 연관이 있는 것으로 나타났습니다. 2016년에 발표된 투석 결과 및 진료 패턴 연구(Dialysis Outcomes and Practice Patterns Study)에 따르면, 중증 기능적 의존도(기능 점수 <8/13)는 연령 및 동반 질환과 관계없이 사망 위험을 2.37배 높이는 것으로 확인되었습니다38. Pereira et al.33 또한 혈액투석(HD)을 받는 75세 이상 성인에게서 높은 비율의 노쇠 및 기능적 의존도와 함께 빈번한 투석 후 피로감이 나타난다고 보고했습니다. 이러한 결과는 투석 시작 단계부터 포괄적 노인 평가와 재활 및 지원 치료 전략의 조기 시행이 중요하다는 점을 뒷받침합니다.

CKD 및 ESKD 환자군의 사망률 예측을 위한 예후 도구 개발

인구 기반의 사망률 데이터는 고령 성인에게 투석이 제공할 수 있는 잠재적 이점에 대한 일반적인 관점을 제공하지만, 개별화된 예후 추정치는 제공하지 않습니다. 보다 개인 맞춤형 예후 평가를 지원하기 위해, 여러 국가의 연구자들이 CKD 환자 및 ESKD로 진행되는 환자를 위한 위험 예측 도구를 개발했습니다. 이러한 도구들은 설계와 의도된 임상 적용 면에서 상당히 다릅니다. 일부는 단일한 주관적 임상 평가에 의존하는 반면, 다른 도구들은 일상적으로 사용 가능한 실험실 매개변수, 구조화된 동반 질환 지수, 또는 전용 데이터 인프라가 필요한 다변량 및 머신러닝 모델을 통합합니다. 이러한 이질성은 실질적으로 중요한 의미를 갖는데, 바쁜 외래 진료 환경에서 사용하기에 가장 적합한 도구가 반드시 예측 성능이 가장 뛰어난 도구는 아니기 때문입니다.

투석 중 동반 질환이 생존율에 미치는 영향

동반 질환 부담은 투석을 시작하는 고령자의 조기 사망 및 입원을 결정짓는 잘 알려진 요인이며, 여러 연구 그룹은 이러한 위험을 예측 성능과 임상적 적용 가능성이 우수한 예후 모델로 전환하였습니다. 특정 동반 질환들은 대부분의 예측 모델에 포함되어 있으며, 특히 혈관계 질환, 그중에서도 말초혈관 질환과 치매와 같은 인지 장애가 이에 해당합니다. 울혈성 심부전(CHF)을 포함한 다른 일반적인 질환들은 모델마다 서로 다른 예측 성능을 보입니다. 활동성 또는 전이성 암을 포함한 심각한 생명 위협 질환과 간 기능 장애 및 호흡 부전과 같은 기타 말단 장기 질환들은 일부 예후 모델에 통합되어 있습니다26,39.

다중질환을 요약하는 도구 중에서 Charlson Comorbidity Index (CCI)는 여전히 가장 널리 사용되는 도구 중 하나입니다. ESKD 환자를 위한 적응 버전에서 Hemmelgarn et al.40은 기존 CCI의 타당성을 확인하였으며, ESKD Comorbidity Index를 통해 성능이 향상되었음을 입증하였습니다(Table 1). CCI 내에서 전이성 질환, 림프종, CHF가 가장 높은 가중치를 가지며, 이는 사망 위험이 단순히 연대순 연령보다는 전반적인 동반 질환 부담에 더 많은 영향을 받는다는 점을 강조합니다. CCI의 타당성은 이후 여러 독립적인 연구들41,42,43,44에서 확인되었습니다. 더 많은 수의 동반 질환을 포함하는 것이 예측 정확도를 높일 수는 있지만, 이는 일상적인 임상 현장에서 이러한 모델을 구현하는 복잡성을 증가시키기도 합니다.

예후 모델 간의 예측 성능 차이는 해당 모델들이 도출된 모집단의 변동성을 반영하는 것으로 보입니다. 대부분의 모델은 단일 지리적 영역 내에서 개발되었으며 외부 검증을 거치지 않았습니다45. 또한, 전이성 암과 같은 말기 질환 환자나 기대 수명이 매우 짧은 환자들은 투석 치료를 제안받지 못할 수 있으며, 따라서 이러한 모델 개발에 사용된 모집단에서 과소 대표될 수 있어 선택 편향이 모델 성능에 영향을 미칠 수 있습니다. 이러한 잠재적인 적응증 편향(indication bias)은 임상 실무에서 예후 추정치를 해석하고 적용할 때 반드시 고려되어야 합니다.

기능 척도 및 서프라이즈 질문의 활용

노쇠(Frailty)는 만성 콩팥병(CKD)을 앓고 있는 고령자의 사망 및 입원을 예측하는 독립적인 인자로 인식되고 있습니다. 이러한 환자군에서 노쇠는 흔하게 나타납니다. Gimena-Muñoz et al.46은 Fried 노쇠 표현형(Fried Frailty Phenotype)을 사용하여 노쇠 상태를 정의했을 때, 진행성 CKD 환자의 노쇠 유병률이 27%라고 보고했습니다. 또한, 제2형 당뇨병과 빈혈을 노쇠의 독립적인 예측 인자로 확인했습니다. 아울러, 노쇠는 CKD 발생 위험을 유의하게 증가시킬 수 있습니다47.

말기 CKD 환자를 대상으로 한 105개 연구가 포함된 Puri et al.48의 체계적 문헌 고찰 및 메타 분석에 따르면, Fried Frailty Phenotype 또는 Rockwood Clinical Frailty Scale (CFS)를 사용하여 평가한 노쇠함은 비노쇠 환자에 비해 사망 위험을 2배 증가시키는 것과 연관이 있었습니다(표 1). 또한 노쇠는 입원 위험을 2배로 높여, 연대기적 연령과 동반 질환을 넘어선 예후적 가치를 확인시켜 주었습니다. 이러한 결과는 신장내과 진료의 일상적인 위험 층화 과정에 노쇠 평가를 포함하는 것이 중요하다는 점을 강조합니다.

이러한 결과와 일치하게, Kennard et al.49은 노쇠(frailty)가 진행성 CKD 환자에게서 사망, 입원 및 투석으로의 진행 위험을 2배에서 6배까지 증가시킨다고 보고하였다. 투석을 받는 환자의 노쇠는 감염, 심혈관계 사건, 혈관 통로 실패, 투석 후 회복 지연, 치료 순응도 저하를 포함한 빈번한 합병증과도 관련이 있다50. 고령층에서 이러한 합병증은 질병 부담의 가중, 기능적 의존도 증가 및 의료 이용률 증가로 이어진다. 노쇠는 실제 연령과 다중이환(multimorbidity)을 보정한 후에도 신대체요법을 받는 환자와 보존적 치료를 받는 환자를 포함한 CKD 환자의 이환율 및 사망률을 나타내는 강력한 예측 인자로 남아 있다51. 기능적 평가 척도를 객관적인 임상 파라미터와 통합하면 ESKD 위험 예측 도구의 예측 성능을 더욱 향상시킬 수 있을 것이다6,26.

CKD 및 ESKD를 위한 여러 예후 모델에는 “이 환자가 향후 12개월 이내에 사망한다면 놀라겠는가?”라고 묻는 Surprise Question (SQ)이 포함되어 있습니다. 이러한 모델에는 Cohen et al.52, Schmidt et al.6, 그리고 Javier et al.53 등이 개발한 모델이 포함됩니다 (표 1). SQ는 환자의 건강 상태에 대한 의료 전문가의 전반적인 임상적 판단을 반영하며, 임상적 게슈탈트(clinical gestalt)의 척도로 간주될 수 있습니다. 한 전향적 다기관 연구에서 Schmidt et al.6은 세 가지 독립적 예측 인자를 통합한 예후 모델을 개발했습니다. 이는 SQ에 대한 부정적인 응답 (odds ratio [OR], 3.29), 중간 또는 낮은 Karnofsky Performance Score (KPS) (KPS 50–70의 경우 OR 2.09; KPS ≤40의 경우 OR 4.69), 그리고 연령 증가 (10년 증가당 OR 1.41)입니다. 이 모델은 우수한 예측 성능을 보였으며, 말기 CKD에서 불량한 결과를 예측하기 위해 임상적 판단을 객관적인 기능 평가와 결합하는 것의 가치를 강조했습니다 (표 1)6.

Javier 등53은 투석을 받지 않는 CKD 4–5단계의 60세 이상 성인 388명을 대상으로 한 전향적 연구에서 SQ를 평가하였다(표 1). 이들은 SQ의 3가지 범주 버전(예/불확실/아니오)을 사용하였으며, 이는 사망 위험에서 명확한 구배를 나타냈다. “예”는 5%, “불확실”은 15%, “아니오”는 27%였다(P < 0.001). SQ의 이분법적 버전은 민감도(66%)는 개선하였으나 특이도(68%)는 감소시켰다. SQ의 해석은 본질적으로 주관적이며 임상의마다 다를 수 있지만53, 주요 장점은 단순함, 직관적인 적용, 그리고 일상적인 임상 진료에서의 사용 편의성이다.

실험실 파라미터

추정 사구체 여과율(eGFR), 혈청 알부민, 헤모글로빈, 그리고 Kt/V와 같은 투석 적절도 지표를 포함하여, 일상적으로 측정되는 여러 실험실 파라미터들이 투석 시작 시점에서 예후적 중요성을 나타내는 것으로 입증되었습니다54,55,56. 이 중 혈청 알부민과 헤모글로빈은 환자의 영양, 염증 및 기능적 상태를 반영하는 쉽게 확인할 수 있는 마커입니다. CKD 1-4단계의 고령 성인을 대상으로 한 후향적 코호트 연구에서, 연령, 성별 및 신장 기능을 보정한 후 혈청 알부민 수치가 낮을수록 모든 원인으로 인한 사망률이 독립적으로 높게 나타났습니다55. 마찬가지로, 투석 시작 시점의 빈혈은 조기 사망의 강력한 예측 인자로 나타났으며, 헤모글로빈 수치가 10 g/dL 미만인 상태에서 치료를 시작한 환자들은 이후 수치가 교정되었음에도 불구하고 상당히 더 높은 사망률을 보였습니다56. 이러한 관찰 결과는 투석 시작 시의 낮은 헤모글로빈 수치가 단순히 가역적인 빈혈이라기보다 만성 염증이나 최적화되지 않은 투석 전 치료 상태를 반영할 수 있음을 시사합니다. 투석 시작 시점의 eGFR이 더 높은 경우, 직관적으로는 상충하는 것처럼 보임에도 불구하고 조기 사망률 증가와 관련이 있는 것으로 나타났습니다54. 이러한 연관성은 신장 기능이 상대적으로 보존되어 있음에도 불구하고 심각한 동반 질환이나 급성 질환이 있는 환자들이 더 일찍 투석을 시작하게 되는 적응증 편향(indication bias)을 반영하는 것으로 보입니다. 또한 이는 영양 불균형 및 근육량 감소의 영향을 반영하는 것일 수도 있습니다.

저자 / 연도도구 유형연구 대상군목적 / 예후적 전망주요 변수임상 적용 가능성 / 한계점
Schmidt 등6임상 예측 모델만성 콩팥병 4~5단계 (비투석)12개월 사망률돌발 질문, KPS, 연령투석 시작 또는 보존적 신장 관리에 관한 의사결정을 지원하는 데 유용한 단순하고 검증된 모델.
Obi 외.9임상 예측 모델35,878명의 미국 퇴역 군인1년 사망률 (eGFR <15 vs. ≥15 mL/min/1.73 m²)연령, 동반 질환, eGFR, 알부민, 암eGFR에 따라 모델을 구분함; 주로 남성으로 구성된 코호트; 노쇠도 또는 기능적 측정 지표는 포함되지 않음.
Couchoud 외.15임상 예측 모델≥75세 (프랑스, REIN)3개월 사망률연령, 성별, 울혈성 심부전, 부정맥, 말초혈관 질환, 활동성 암, 저알부민혈증, 기능적 의존성, 행동 장애환자를 저위험군, 중위험군, 고위험군으로 분류하며, 말기 신질환(ESKD)을 앓고 있는 고령층에게 폭넓게 적용 가능합니다.
Davison 등18임상 예측 모델복막 투석6~18개월 사망률간호 인력이 작성한 수정된 Cohen 모델 및 놀람 질문(Surprise Question)PD(복막투석)에서 외부 검증을 거쳤으며, 고위험 환자의 사망률을 과대평가하며, 간호사의 역할과 기능적 평가의 중요성을 강조합니다.
Dusseux 외.24임상 예측 모델신규 투석 환자, 70세 이상 (프랑스, REIN)3년 생존율 (또는 3년 사망률)연령, 성별, 당뇨병, 심혈관 질환, 의존성, 낮은 체질량지수(BMI), 일시적 카테터투석 시작보다는 신장 이식 의뢰 대상자를 식별하도록 설계되었으며, 중간 수준의 판별력(c-통계량 0.71)과 양호한 보정도를 보이나, 프랑스 외 지역에서 외부 검증이 이루어지지 않았음.
Thamer 외. 39임상 예측 모델67세 이상, 미국3개월 및 6개월 사망률포괄적 및 단순화 모델 (연령, 의존성, 알부민, 암, 울혈성 심부전, 입원, 시설 거주)단순화된 침상 옆 점수; 삶의 질 또는 환자 선호도 측정 항목은 포함하지 않음.
Hemmelgarn 외.40동반질환 지수유지 HD (Maintenance HD)전체 사망률동반 질환 (울혈성 심부전, 암, 림프종, 전이)ESKD 지수가 CCI보다 우수한 성능을 보입니다. 머신러닝과 결합했을 때 성능이 더욱 향상됩니다 (Noh et al.43; AUC 0.8357).
Santos 등44임상 예측 모델65세 이상, 포르투갈투석 시작 후 6개월 사망률연령, 관상동맥질환, 편마비 동반 뇌졸중, 저알부민혈증, 늦은 신장내과 의뢰Couchoud 모델보다 우수한 성능을 보였으나, 비투석 환자를 제외하였으며 노쇠 평가를 포함하지 않았다.
Ivory 외.45임상 예측 모델신규 HD/PD 환자, 15년 이상 (ANZDATA)6개월 사망률12가지 임상 변수(연령, 체질량지수(BMI), 동반 질환, 당뇨병, 늦은 의뢰)Couchoud 및 Wagner 모델보다 우수한 성능을 보였으며, 호주와 뉴질랜드 외의 지역에서는 적용 가능성이 제한될 수 있습니다.
Puri 외.48허약/기능 척도만성 콩팥병(투석 포함 모든 단계) 성인사망률 및 입원율신선동결혈장(FFP), 임상적 허약 척도(CFS), 수정 신선동결혈장(modified FFP), FRAIL 척도, 허약 지수(Frailty Index)FFP와 CFS가 사망률 및 입원율에 대해 가장 강력한 예후 가치를 나타냈습니다. 수행 능력 기반 검사가 불가능한 경우 수정된 FFP가 실용적인 대안이 될 수 있으며, 임상적 판단만으로는 불충분합니다.
Oki 외.50노쇠/기능 척도신규 HD/PD 환자2년 사망률 및 입원율만성피로증후군간호사에 의해 후향적으로 적용되었으며, 장기 입원 환자는 제외되었고, 일상적인 임상 사용에 실용적입니다.
Cohen 외.52임상 예측 모델HD 유지보수6개월 사망률연령, 치매, 말초혈관질환, 알부민, 깜짝 질문임상적 판단과 객관적 변수를 결합하며, 강력한 판별력(AUC 0.80–0.87)을 보입니다.
Javier 등53주관적 평가 도구60세 이상, CKD 4~5단계12개월 사망률의외성 질문 (3범주 및 2범주 버전)1년 사망률을 예측하며, 환자에 대한 사전 지식이 필요하고, 평가자 간 일치도는 보통 수준이며 검사-재검사 신뢰도는 양호함.
Sun 외.55실험실 지시약CKD 1~4단계 (70%가 65세 이상)장기 전원인 사망률혈청 알부민, 연령단일 센터 후향적 코호트(n = 201); 단독 예측 인자보다는 보조적 마커로서 유용함.
Wick 외. 54임상 예측 모델투석 시작 시 연령 65세 이상6개월 사망률연령 ≥80세, eGFR ≥15 mL/min/1.73 m², 입원 병력, 울혈성 심부전, 심방세동, 암단기 사망 위험을 층화하며, eGFR ≥15 mL/min/1.73 m²는 조기 또는 비계획적 투석 시작을 반영할 수 있음; 우수한 판별력(ROC 0.73).
Karaboyas 등56실험실 지시약국제 혈액투석 incident HD (DOPPS)1년 사망률기초 헤모글로빈, ESA 및 정맥 철분 투여량철분 투여량과 U자형 연관성을 보이며, 헤모글로빈 수치가 높을수록 사망률이 증가함 <10 g/dL 이상의 ESA 용량; 보조적 바이오마커로서 유용함.
García-Montemayor 외.57머신러닝 모델인시던트 HD (스페인)6~24개월 사망률15가지 임상 및 실험실 변수 (랜덤 포레스트)로지스틱 회귀 분석 대비 소폭의 개선이 있었으며(ΔAUC 0.007–0.046), 크레아티닌, Kt/V 및 헤모글로빈이 조기 사망의 중요한 예측 인자로 나타났다.
Sheng 외.59머신러닝 모델인시던트 HD (중국)1년 사망률연령, eGFR, CRP, 헤모글로빈, 동반 질환 (XGBoost)AUC 0.83–0.85; 42개 후보 변수 중 15개 유지; 다양한 인구 집단에서의 외부 검증 필요.

표 1: 진행성 만성 신장병 및 말기 신부전 환자의 사망률 예측 도구.이 표는 진행성 만성 신장병(CKD) 및 말기 신부전(ESKD) 환자의 사망률을 추정하기 위해 개발된 검증된 예후 도구, 노쇠 평가, 실험실 표지자 및 머신러닝 모델을 요약합니다. 각 연구에 대해 표는 연구 대상 집단, 예후 예측 기간, 주요 예측 변수, 그리고 강점과 한계를 포함한 임상 적용 시의 주요 고려 사항을 설명합니다. 약어: AF, 심방세동; AUC, ROC 곡선 아래 면적; BMI, 체질량 지수; CCI, 찰슨 동반 질환 지수; CFS, 임상 노쇠 척도; CHF, 울혈성 심부전; CKD, 만성 신장병; CRP, C-반응성 단백질; CVD, 심혈관 질환; eGFR, 추정 사구체 여과율; ESA, 조혈 자극제; ESKD, 말기 신부전; FFP, 프리드 노쇠 표현형; HD, 혈액투석; IV, 정맥 내; KPS, 카르노프스키 수행 상태; PD, 복막투석; REIN, 신장 역학 및 정보 네트워크; ROC, 수신자 조작 특성; US, 미국; XGBoost, 익스트림 그라디언트 부스팅. 이 표를 다운로드하려면 여기를 클릭하십시오.

사망률 예측을 위한 머신러닝 모델

머신 러닝(ML) 알고리즘이 투석 환자의 사망률 예측에 점점 더 많이 적용되고 있으며, 여러 연구에서 기존의 회귀 기반 모델보다 향상된 판별력을 입증하였습니다. Garcia-Montemayor et al.57은 혈액투석 환자의 6개월, 1년 및 2년 사망률을 예측하는 데 있어 랜덤 포레스트 모델이 로지스틱 회귀보다 우수한 성능을 보였으며, 수신자 조작 특성 곡선 아래 면적(AUC)은 0.68에서 0.73 범위였다고 보고하였습니다(표 1). Yang et al.58은 복막투석 환자에게 CatBoost 분류기를 적용하여 0.80의 AUC를 달성하였으며, 연령, 체중 및 혈청 알부민을 가장 영향력 있는 예측 인자로 식별하였습니다. Sheng et al.59은 97개 신장 센터의 1년 차 사망률을 예측하기 위한 Extreme Gradient Boosting(XGBoost) 모델을 개발하고 외부 검증을 수행하였습니다. 이 모델은 0.83–0.85의 AUC를 기록하여 이전에 발표된 회귀 모델의 성능을 크게 상회하였습니다(표 1). 마찬가지로, Koh et al.60은 고령의 동남아시아 코호트에서 랜덤 포레스트 모델이 기존의 REIN 및 Wick 예후 점수보다 우수한 성능을 보였으며, 0.83의 AUC를 달성했음을 입증하였습니다.

이러한 유망한 결과에도 불구하고 중요한 한계점이 남아 있습니다. 대부분의 ML 모델은 단일 센터 코호트의 회고적 데이터를 사용하여 개발되었으며, 외부 검증이 제한적이고 해석력이 낮습니다. SHapley Additive exPlanations (SHAP)와 같은 설명 가능성 방법론을 통해 모델의 투명성이 개선되었으나, 해석력은 여전히 일상적인 임상 적용에 있어 중요한 장벽으로 남아 있습니다. 현재까지 ML 기반의 예후 예측이 CKD 또는 ESKD 환자의 임상 결과나 공유 의사 결정의 질을 개선하는지 평가한 전향적 무작위 시험이 없으며, 이는 중요한 근거 공백을 나타냅니다.

임상 진료 시 예후 도구 도입의 장애 요인

진행성 CKD 및 ESKD 환자를 위한 예후 진단 도구의 가용성이 증가하고 있음에도 불구하고, 이를 일상적인 임상 진료에 통합하는 것은 여전히 제한적입니다. 캐나다 신장내과 전문의들을 대상으로 한 설문 조사에 따르면, 80% 이상이 예후 예측을 위해 주로 임상적 직관(clinical gestalt)에 의존하며, 약 70%는 정식 예측 도구를 전혀 사용하지 않거나 거의 사용하지 않는 것으로 나타났습니다61. 보고된 장애 요인으로는 인구 집단 기반의 위험 추정치를 개별 환자에게 적용할 수 있는지에 대한 우려, 시간 제약, 그리고 가용한 도구 및 그 사용을 뒷받침하는 근거에 대한 숙지 부족 등이 포함됩니다. 특히, 의료 전문가들은 인구 집단 수준에서의 예후 도구의 가치와 개별 환자에 대한 적용을 일관되게 구분하였으며, 이는 외부 검증만으로는 해결하기 어려운 과제임을 강조하였습니다62.

많은 예후 모델의 실제 적용은 일부 출판물이 완전한 회귀 방정식이나 위험 점수와 같이 사용 가능한 형식을 제공하지 않아 일상적인 임상 적용이 어렵다는 점 때문에 더욱 제한적입니다63. 또한, 출판된 모델 중 26.7%만이 외부 검증을 거쳤으며, 예후 도구가 공동 의사결정이나 환자의 결과(outcome)를 개선하는지 평가하는 공식적인 영향 연구는 여전히 드문 실정입니다63. 따라서 신장학 분야에서 예후 도구의 실제 도입률은 낮은 수준으로 유지되고 있으며, 이는 임상의의 신뢰 부족, 경험 부족, 그리고 환자 결과 개선에 대한 임상적 유용성에 대한 불확실성을 반영하는 것으로 보입니다64.

이러한 실행 격차를 해결하려면 새로운 예후 모델의 개발과 검증을 넘어선 노력이 필요할 것입니다. 예후 도구를 전자 건강 기록(electronic health records)에 통합하면 임상의들이 지속적으로 언급하는 시간, 접근성 및 워크플로와 관련된 장벽을 줄일 수 있습니다62. 또한, 단순히 수치적 추정치를 제시하는 것이 아니라, 중증 질환에 관한 상담 중에 확률적 위험 정보를 효과적으로 전달하도록 신장 전문의를 교육하는 것이 모델의 정확도를 추가로 개선하는 것만큼 중요할 수 있습니다62,65.

한계점

기존 문헌의 몇 가지 한계점에 대해 언급할 필요가 있습니다. 대부분의 예후 모델9,26,39,45,55,66은 지리적으로 제한된 코호트를 사용하여 개발되었으며, 다른 의료 환경에 대한 일반화 가능성은 여전히 불확실합니다. 일부 도구는 고령자를 위해 특별히 개발되었으나, 검증된 많은 모델에는 젊은 투석 환자군이 포함되어 있으며, 허약한 고령자를 위한 전용 예후 도구는 여전히 제한적입니다. 또한 현재의 문헌은 혈액투석 코호트에 크게 치중되어 있는 반면, 복막투석 환자를 위한 검증된 예후 모델은 드물며, Davison et al.18의 연구가 몇 안 되는 가용한 사례 중 하나입니다. 머신러닝 모델은 유망하지만 아직 전향적 임상 시험에서 평가되지 않았으며, 현재 사용 가능한 그 어떤 예후 도구도 무작위 연구를 통해 그 사용이 공유 의사결정의 질이나 환자의 예후를 개선한다는 것을 입증하지 못했습니다.

향후 연구는 다양한 인구 집단과 투석 방식에 걸친 예후 모델의 개발 및 외부 검증, 예후 기반 케어의 전향적 평가, 그리고 환자 보고 선호도를 임상적 위험 평가 체계에 통합하는 것을 우선시해야 합니다.

결론

예후 예측은 공유 의사결정의 중요한 구성 요소입니다. 신장내과 의사는 제안된 치료법을 환자의 가치 및 선호도와 일치시킬 수 있도록 돕기 위해, 정확하고 환자 중심적인 방식으로 예후 정보를 제공해야 합니다. 위험 예측 모델을 포함한 예후 예측 도구는 신장내과 의사가 더 세밀한 위험 평가를 제공하는 데 도움을 줄 수 있습니다. 이러한 도구는 포괄적 노인 평가, 사전 돌봄 계획 또는 선택적인 경우 덜 침습적인 대체 치료법이나 완화 의료의 혜택을 받을 수 있는 개인을 조기에 식별하는 것을 용이하게 할 수 있습니다26. 반대로, 적극적인 혈관 통로 계획이나 이식 평가의 혜택을 받을 수 있는 예후가 양호한 환자를 식별하는 데 도움이 될 수 있습니다. 사용 가능한 예후 예측 도구는 Surprise Question과 같은 신속한 주관적 평가부터 복잡한 다변량 모델까지 다양합니다. 그러나 이러한 모델은 모든 인구 집단에 적용 가능하지 않을 수 있으며, 적절한 임상적 상황에서만 사용되어야 합니다. 따라서 의료 전문가는 지나치게 단순화되지 않은 예후 추정치를 도출하기 위해 실험실 파라미터, 동반 질환, 기능 평가 척도 및 임상적 판단을 결합한 다각적 접근 방식을 사용해야 합니다. Cohen et al.52, Schmidt et al.6, 그리고 Couchoud et al.26 (Table 1)에 의해 개발된 모델들은 공개된 위험 계산기를 사용할 수 있어 임상 현장에서 빠르게 적용 가능하므로 특히 유용할 수 있습니다. Cohen et al.52 및 Schmidt et al.6이 개발한 모델은 임상적 판단과 객관적 파라미터를 결합하여 보다 통합적인 평가를 가능하게 합니다. 예후 정보를 어떻게 전달하느냐 또한 마찬가지로 중요합니다. 정보는 환자가 이해하기 쉬운 언어로 제공되어야 하며, 사망률에 대해 논의할 준비가 되었는지에 대한 세심한 고려가 필요합니다. 예후 추정치는 대화를 이끌고 치료의 잠재적 이점과 한계를 맥락화하는 데 활용되어야 하며, 임상의는 적절한 설명 없이 절대적 위험 추정치를 제시하는 것을 지양해야 합니다. Best Case/Worst Case 도구와 같은 구조화된 의사소통 프레임워크는 시나리오 계획과 그래픽 보조 도구를 사용하여 각 치료 옵션의 최선, 가장 가능성 높은, 그리고 최악의 결과를 설명합니다. 이러한 접근 방식은 신장내과 의사가 단편적인 통계적 추정치를 넘어, 환자와 가족이 자신의 목표와 가치를 반영한 치료 결정을 내릴 수 있도록 지원할 수 있습니다16,67. 향후 연구는 다양한 인구 집단에 걸쳐 예후 예측 도구를 검증하고, 이러한 도구의 사용이 공유 의사결정과 환자 중심의 결과물을 개선하는지 평가하는 데 집중해야 합니다.

공개 사항

저자들은 경쟁하는 재정적 이해관계나 이해상충이 없음을 밝힙니다. 또한, 저자들은 그림 1의 초기 버전을 생성하기 위해 OpenAI 이미지 생성 도구를 사용하였습니다. 해당 그림은 이후 저자들에 의해 검토, 수정 및 승인되었으며, 저자들은 그 과학적 내용과 임상적 정확성에 대해 모든 책임을 집니다.

참고문헌

  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.

재인쇄 및 허가

태그

문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.