Reviewartikel

Prognostiek bij nierfalen in het eindstadium: instrumenten, bewijs en klinische toepassingen

98 weergaven

⸱

DOI:

10.3791/70058

⸱

18 augustus 2026

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

In dit artikel

Samenvatting

Deze review vat prognostische instrumenten voor nierfalen in het eindstadium samen, waarbij de nadruk ligt op hun toepassing bij de beoordeling van het sterfterisico, gezamenlijke besluitvorming, conservatief nierbeheer en geïndividualiseerde behandelplanning voor ouderen.

Samenvatting

Prognostisering bij nierfalen in het eindstadium is fundamenteel voor persoonsgerichte zorg en gedeelde besluitvorming. Dit overzicht vat het huidige bewijs samen over prognostische beoordeling bij oudere volwassenen met nierfalen in het eindstadium die dialyse of conservatieve nierzorg overwegen. Er wordt ingegaan op de ratio voor prognostisering en de belangrijkste klinische, functionele en laboratoriumvoorspellers van mortaliteit worden besproken, waaronder comorbiditeitslast, fragiliteit, functionele status en biochemische parameters. Het overzicht bespreekt gevalideerde prognostische instrumenten, waaronder de Charlson Comorbidity Index, de Surprise Question en multivariabele voorspellingsmodellen, evenals opkomende machine learning-benaderingen voor geïndividualiseerde risicovoorspelling. Daarnaast worden de effecten van functionele achteruitgang, hospitalisatie en beperkt overlevingsvoordeel op behandelbeslissingen onderzocht, en wordt de rol van prognostische informatie bij vroegtijdige zorgplanning en doelconforme zorg benadrukt. Verder bespreekt het overzicht de communicatie van de prognose en de praktische uitdagingen die gepaard gaan met de implementatie van prognostische instrumenten in de routinematige nefrologische praktijk. Door evidence-based prognostische beoordeling te integreren met geïndividualiseerde klinische evaluatie en patiëntwaarden, kan prognostisering geïnformeerde behandelbeslissingen ondersteunen en gepersonaliseerde zorg faciliteren voor oudere volwassenen met nierfalen in het eindstadium.

Inleiding

Chronische nierziekte (CKD) treft naar schatting 843,6 miljoen mensen wereldwijd, waarbij meer dan 2 miljoen mensen leven met terminaal stadium nierziekte (ESKD)1,2,3,4,5. Ouderen lopen een verhoogd risico op het ontwikkelen van gevorderde nierziekten, in het bijzonder personen met hart- en vaatziekten en andere comorbiditeiten. Ondanks grote vorderingen in medische therapieën blijft ESKD gepaard gaan met aanzienlijke risico's op mortaliteit en morbiditeit1,4.

Een belangrijk aspect van de zorg bij CKD is de vroegtijdige zorgplanning voor de mogelijkheid van progressie naar ESKD. Niertransplantatie is de voorkeursvorm van renale vervangingstherapie, omdat dit de beste resultaten oplevert wat betreft overleving en kwaliteit van leven. Transplantatie is echter mogelijk niet beschikbaar voor patiënten zonder levensvatbare donor en kan gecontra-indiceerd zijn bij patiënten met een hoog chirurgisch of medisch risico, fragiliteit of een beperkte levensverwachting. Dit is vaak het geval bij oudere patiënten, die voor een onzekere toekomst kunnen staan en een moeilijke keuze moeten maken tussen het starten van levenslange dialyse, thuis of in een kliniek, of het kiezen voor een medisch beheer gericht op symptoomcontrole, met het besef dat deze benadering de overleving kan verkorten. Artsen hebben klinische, ethische en juridische verantwoordelijkheden om een geïndividualiseerde, persoongerichte benadering te bieden, terwijl zij erkennen dat dialyse in sommige omstandigheden het lijden kan vergroten zonder noodzakelijkerwijs het leven te verlengen6.

In deze context is advance care planning een belangrijk instrument dat patiënten, families en zorgprofessionals ondersteunt door toekomstige beslissingen af te stemmen op de waarden, wensen en veranderende klinische omstandigheden van ieder individu6. Patiënten en families zijn beter in staat om geïnformeerde keuzes te maken die aansluiten bij hun waarden en voorkeuren wanneer zij duidelijke en uitgebreide informatie ontvangen over de voordelen en nadelen van dialyse. Zij moeten worden uitgenodigd en aangemoedigd om deel te nemen aan een proces van gezamenlijke besluitvorming. Hoewel dialyse de overleving kan verbeteren en symptomen kan verlichten, kunnen de voordelen beperkt zijn bij oudere en fragiele patiënten, en kan de behandeling gepaard gaan met aanzienlijke verminderingen in onafhankelijkheid en kwaliteit van leven7. Prognostiek is daarom een essentieel onderdeel van patiënteneducatie en gezamenlijke besluitvorming. Om de afwegingen tussen overleving en kwaliteit van leven te kunnen overwegen, moeten patiënten het potentiële overlevingsvoordeel van het starten van dialyse begrijpen en weten hoe de behandeling hun kwaliteit van leven kan beïnvloeden.

Deze review bespreekt de belangrijkste kenmerken van strategieën en instrumenten die worden gebruikt om de prognose te schatten bij patiënten die dialyse overwegen of hiermee beginnen. Er wordt ook onderzocht hoe deze benaderingen nietteams, patiënten en families kunnen ondersteunen bij het nemen van gezamenlijke beslissingen over behandelopties en zorgtrajecten bij ESKD (Figuur 1).

Diagram van het persoongerichte prognosepad voor behandelbeslissingen bij CKD/ESKD, met weergave van de beoordelings- en besluitvormingsstappen.
Figuur 1. Persoongericht prognosepad bij gevorderde chronische nierziekte (CKD) en nierfalen in eindstadium (ESKD). Het schema vat de uitgebreide patiëntbeoordeling, multimodale prognostische evaluatie, communicatie over de prognose en gezamenlijke besluitvorming, behandelkeuze en continue herbeoordeling samen om persoongerichte zorg te ondersteunen. De superscriptcijfers komen overeen met de in het manuscript geciteerde referenties. De figuur is gegenereerd met behulp van een OpenAI-beeldgeneratietool en vervolgens door de auteurs beoordeeld en goedgekeurd op wetenschappelijke en klinische nauwkeurigheid. Klik hier om een grotere versie van deze figuur te bekijken.

Review en perspectief

Het belang van prognostiek bij chronische nierziekte

Een goed begrip van de prognose en het verwachte verloop van de ziekteprogressie kan therapeutische doelen en levensbeslissingen aanzienlijk beïnvloeden. Dit inzicht is essentieel voor het bieden van persoonsgerichte zorg, het stimuleren van gedeelde besluitvorming en het faciliteren van zorgplanning vooraf. Studies onder mensen met kanker en ouderen hebben echter aangetoond dat zorgverleners zelgzaam prognostische informatie communiceren, terwijl patiënten vaak overmatig optimistische verwachtingen over de toekomst behouden8.

Prognostische beoordeling is een centraal onderdeel van de gesprekken tussen patiënten en artsen, aangezien er vaak informatie over de levensverwachting wordt gezocht bij de beslissing of dialyse moet worden gestart. Persoonlijke, culturele en religieuze voorkeuren en waarden spelen daarnaast een belangrijke rol bij de keuze van een individu voor dialyse om het leven te verlengen6. Een risicovoorspellingsmodel dat vroege mortaliteit anticipeert, kan helpen bij het personaliseren van de behandeling en het ondersteunen van gezamenlijke besluitvorming tussen zorgverleners, mensen met een nieraandoening en hun familieleden9. Dit is bijzonder belangrijk voor patiënten voor wie conservatieve behandelpaden worden overwogen. Conservatieve nierzorg (CKC), wat bestaat uit het voortzetten van actieve medische zorg, symptoombestrijding en multidisciplinaire ondersteuning zonder het starten van dialyse, wordt in internationale richtlijnen steeds vaker erkend als een legitieme behandeloptie in plaats van een standaardoptie voor patiënten die geen kandidaten zijn voor niervervangende therapie10. Dialyse heeft over het algemeen een langere mediane overleving laten zien dan CKC (3,1 versus 1,5 jaar vanaf het moment van de behandelbeslissing); dit overlevingsvoordeel verdwijnt echter bij patiënten van 80 jaar of ouder (P = 0,08) en is aanzienlijk verminderd bij patiënten met ernstige cardiovasculaire comorbiditeit11,12. Naast de mortaliteitsuitkomsten waren de hospitalisatiecijfers significant lager bij patiënten die CKC ontvingen (incidence rate ratio, 0,40; 95% betrouwbaarheidsinterval [BI], 0,32–0,49)13.

CKC is ook geassocieerd met een verbeterde kwaliteit van leven, een verminderde symptoomlast en een grotere kans om thuis te overlijden in plaats van in het ziekenhuis12. Deze bevindingen ondersteunen de prospectieve integratie van CKC op basis van het kwetsbaarheidstraject van een patiënt, in plaats van het gebruik ervan uitsluitend als een laatste behandelingsoptie. Prognostische beoordeling kan helpen bij het identificeren van personen die waarschijnlijk het meeste baat hebben bij deze behandelingsfilosofie. Wanneer een patiënt bijvoorbeeld een hoog risico op overlijden heeft binnen het eerste jaar na de start van de dialyse, kunnen CKC of aangepaste dialysestrategieën passende opties zijn om te overwegen9. Jassal et al. stelden dialysezorgpaden voor op basis van fragiliteit, waarbij de behandelintensiteit, dieetbeperkingen en ondersteuning aan huis worden afgestemd op de fragiliteitsstatus, waarbij periodieke herbeoordeling bidirectionele overgangen mogelijk maakt naarmate de toestand van de patiënt verandert14.

Voorspellingsinstrumenten zullen waarschijnlijk zorgverleners ondersteunen bij het begeleiden van patiënten en hun families bij beslissingen over de behandeling van ESKD15,16. Hoewel internationale richtlijnen sterk aanbevelen om de prognose met patiënten te communiceren17,18,19, en bewijsmateriaal suggereert dat de meeste patiënten prognostische informatie willen ontvangen20,21,22, is deze praktijk niet consistent geïmplementeerd in de routinematige klinische zorg. Verschillende barrières belemmeren een effectieve communicatie van de prognose. Nefrologen beschikken mogelijk niet over instrumenten die nauwkeurige, geïndividualiseerde risicoschattingen bieden en kunnen zich ongemakkelijk voelen bij het bespreken van de prognose vanwege zorgen over de potentiële emotionele impact op patiënten. Studies hebben bovendien aangetoond dat patiënten over het algemeen de voorkeur geven aan bredere discussies over de prognose in plaats van voorspellingen die uitsluitend zijn geuit als een geschatte overlevingstijd23. Daarnaast zijn veel prognostische modellen niet eenvoudig te implementeren in de routinematige klinische praktijk omdat ze geen externe validatie hebben, en relatief weinig zijn ontwikkeld met behulp van cohorten waarin patiënten zijn opgenomen die peritoneale dialyse ontvangen. Naast het voorspellen van vroege mortaliteit ontwikkelden Dusseux et al. een 3-jarige mortaliteitsscore voor oudere Franse patiënten die dialyse ondergaan (leeftijd ≥70 jaar) om kandidaten te identificeren die mogelijk geschikt zijn voor een niertransplantatie, waarmee werd aangetoond dat prognostische instrumenten toepassingen hebben die verder gaan dan de initiële beslissing om met dialyse te beginnen (Tabel 1)24.

Totale mortaliteit bij oudere volwassenen met eindstadium nierfalen

De levensverwachting voor ouderen die leven met ESKD en dialyseondersteuning ontvangen, blijft aanzienlijk lager dan die van de algemene bevolking. Volgens het United States Renal Data System (USRDS, 2024)4 is de 5-jaars overlevingskans bij volwassenen in de leeftijd van 65–74 jaar 35,6%, vergeleken met 23,8% bij personen van 75 jaar of ouder, met slechts geringe verbeteringen gedurende het afgelopen decennium. Wanneer er naar dialysemethode wordt gekeken, zijn de resultaten vergelijkbaar. Bij hemodialyse (HD) blijft de 5-jaars overlevingskans ongeveer 34%, terwijl deze bij peritoneale dialyse (PD) varieert van 22% tot 35%, afhankelijk van de leeftijd.

De meest recente USRDS-gegevens geven ook aan dat in 2022 de geschatte resterende levensverwachting voor mensen die dialyse kregen ongeveer 4,6 jaar was voor vrouwen en 4,5 jaar voor mannen in de leeftijd van 65–69 jaar. Dit daalde tot 3,5 jaar voor vrouwen en 3,3 jaar voor mannen in de leeftijd van 75–79 jaar. In contrast hiermee wordt verwacht dat niertransplantatieontvangers binnen deze leeftijdsgroepen een extra 7–11 jaar aan leven winnen, terwijl personen in de algemene populatie een resterende levensverwachting hebben van ongeveer 16–18 jaar. Ondanks technologische vooruitgang en een verbeterde selectie van kandidaten bevestigen deze bevindingen dat de winst in levensduur geassocieerd met dialyse beperkt blijft4.

Hoewel hedendaagse gegevens een stabilisatie in de overleving aantonen, zijn vergelijkbare prognostische patronen eerder gerapporteerd. In een populatiegebaseerde analyse van meer dan 350.000 volwassenen van 65 jaar of ouder in de Verenigde Staten rapporteerden Kurella et al.25 dat de levensverwachting na het starten van dialyse progressief afneemt naarmate de leeftijd stijgt. De mediane overleving (50ste percentiel) nam af van 2,5 jaar bij volwassenen van 65–69 jaar naar 0,6 jaar bij personen van 90 jaar of ouder. Evenzo daalde het 75ste percentiel van 4,6 jaar naar 1,7 jaar, terwijl het 25ste percentiel afnam van 0,9 jaar naar 0,2 jaar over dezelfde leeftijdsgroepen. Deze grote variatie illustreert de aanzienlijke prognostische heterogeniteit tussen individuen van een vergelijkbare leeftijd en benadrukt dat de chronologische leeftijd alleen de prognose niet bepaalt. Het sterfterisico is het grootst tijdens de vroege periode na het starten van dialyse. Onder volwassenen die dialyse starten na het 75ste levensjaar is de overlevingskans 71% na 1 jaar en 54% na 2 jaar in Europa, vergeleken met respectievelijk 59% en 43% in de Verenigde Staten. Meer dan 10% van de patiënten sterft binnen de eerste 3 maanden na het starten van de dialyse26.

Ondanks deze epidemiologische bevindingen verschillen de percepties van patiënten over hun prognose vaak aanzienlijk van de geobserveerde overlevingsuitkomsten. In een cohort van 993 dialysepatiënten verwachtte slechts 11,2% minder dan 5 jaar te leven, terwijl 33,0% verwachtte langer dan 10 jaar te overleven, ondanks USRDS-gegevens die aantoonden dat 60,3% binnen 5 jaar overleed. Patiënten die een langere overleving verwachtten, waren aanzienlijk minder geneigd om behandelvoorkeuren vast te leggen of comfortgerichte zorg prioriteit te geven, en waren vaker geneigd om te kiezen voor cardiopulmonale reanimatie (adjusted odds ratio [aOR], 5,3) of mechanische ventilatie (aOR, 2,2) dan patiënten met realistischere overlevingverwachtingen8.

Medische comorbiditeit en ziekenhuisopnames bij ouderen met eindstadium nierfalen

Oudere volwassenen die starten met niervervangende therapie hebben een hoge last van medische comorbiditeit en acute klinische gebeurtenissen die de prognose direct beïnvloeden. Volgens de USRDS (2024)4 had in 2022 59% van de incidentpatiënten met ESKD diabetes mellitus, 25% hartfalen en 17%–28% diverse vormen van cardiovasculaire ziekten. Hetzelfde rapport toonde gecorrigeerde hospitalisatiecijfers voor alle oorzaken van 1,37 en 1,42 gebeurtenissen per persoonsjaar onder personen van respectievelijk 65–74 jaar en ≥75 jaar die PD ontvingen, vergeleken met 1,46 en 1,49 gebeurtenissen per persoonsjaar bij hen die HD ontvingen4.

Oudere volwassenen die starten met dialyse hebben vaak last van multimorbiditeit, wat hun klinische verloop aanzienlijk beïnvloedt. Comorbiditeit heeft bovendien een diepgaand effect op de gezondheidsuitkomsten en de overleving bij patiënten met CKD stadium 5. Meerdere studies hebben geen significant verschil in overleving gerapporteerd tussen patiënten die kiezen voor dialyse en patiënten die via een conservatieve benadering worden behandeld. Deze bevinding weerspiegelt waarschijnlijk het hoge concurrerende risico op overlijden vóór de progressie naar ESKD, samen met het beperkte overlevingsvoordeel dat geassocieerd wordt met dialysebehandeling27,28.

In een Amerikaanse cohort van 391 Medicare-begunstigden in de leeftijd van ≥65,5 jaar had bijna tweederde vier of meer chronische aandoeningen, en 73% startte met dialyse tijdens een ziekenhuisopname. Beide factoren waren onafhankelijk geassocieerd met een mortaliteitspercentage op 1 jaar dat 50% overschreed29. Evenzo stelde een nationale registerstudie met 28.049 volwassenen in de leeftijd van ≥67 jaar vast dat patiënten ouder dan 80 jaar gemiddeld 67 dagen doorbrachten in ziekenhuizen of verpleeginrichtingen tijdens het eerste jaar na de start van de dialyse, waarbij de hoogste zorgconsumptie werd waargenomen bij personen met dementie of hart- en vaatziekten30.

Naast de hoge prevalentie van comorbiditeit wordt de vroege periode na de start van de dialyse gekenmerkt door terugkerende ziekenhuisopnames, infecties en functionele achteruitgang. In een Europese cohort van meer dan 10.000 personen die in 2017 startten met dialyse, maakte 82,8% ten minste één ziekenhuisopname door en overleed 33,8% binnen het eerste jaar, wat de aanzienlijke last van vroege complicaties onderstreept31. Opnames als gevolg van infecties blijven een belangrijke oorzaak van morbiditeit; deze zijn verantwoordelijk voor ongeveer een derde van alle ziekenhuisopnames en treffen bijna de helft van de oudere patiënten tijdens de follow-up. Diabetes mellitus, hartfalen en hypoalbuminemie behoren tot de belangrijkste risicofactoren voor deze opnames32.

Functionele achteruitgang bij oudere volwassenen die starten met dialyse

Functionele fragiliteit en afhankelijkheid verhogen verder de risico's die gepaard gaan met het starten van dialyse bij ouderen. Onder ouderen die HD ontvangen, werd 46% geclassificeerd als fragiel, 55% als ondervoed en 21% als afhankelijk in basisactiviteiten van het dagelijks leven33. Functionele achteruitgang na het starten van dialyse komt veel voor en heeft belangrijke klinische implicaties.

In een baanbrekende studie van Tamura et al.34, met meer dan 3.700 bewoners van verzorgingstehuizen in de Verenigde Staten, steeg de score van de Minimum Data Set–Activities of Daily Living (MDS-ADL) — een gestandaardiseerde maat voor afhankelijkheid bij basisactiviteiten voor zelfzorg afgeleid van de Minimum Data Set die wordt gebruikt in instellingen voor langdurige zorg35 — van een mediaan van 12 vóór het starten van de dialyse naar 16 daarna. Na 3 maanden had slechts 39% van de deelnemers hun baseline functionele status behouden. Na 1 jaar was 58% overleden en behield slechts 13% hun vorige functioneringsniveau. Op soortgelijke wijze rapporteerden Jassal et al.36 dat meer dan 30% van de volwassenen van 80 jaar of ouder binnen de eerste 6 maanden na het starten van de dialyse een verlies van onafhankelijkheid ervoer. Noch de dialysemethode (HD versus PD), noch de setting van de start van de dialyse (klinisch versus poliklinisch) was geassocieerd met een daaropvolgende functionele achteruitgang36.

Recenter bewijs geeft aan dat dit patroon ook voorkomt bij ouderen die thuis wonen. In een Nederlandse cohortstudie door Goto et al.37 ervoer 40% van de volwassenen van 65 jaar of ouder een functionele achteruitgang gedurende de eerste 6 maanden na de start van de dialyse, waarbij het grootste risico werd waargenomen bij oudere en kwetsbare personen. Daarnaast had 79% van de deelnemers bij aanvang een bepaalde mate van functionele afhankelijkheid, en nam de belasting van mantelzorgers toe van 23% naar 38% tijdens de follow-up37.

Internationale studies hebben consistent aangetoond dat functionele afhankelijkheid geassocieerd is met slechtere uitkomsten. Een Dialysis Outcomes and Practice Patterns Study uit 2016 wees uit dat ernstige functionele afhankelijkheid (functionele score <8/13) geassocieerd was met een 2,37 keer hoger risico op mortaliteit, onafhankelijk van leeftijd en comorbiditeit38. Pereira et al.33 rapporteerden evenzo hoge percentages fragiliteit en functionele afhankelijkheid bij volwassenen van 75 jaar of ouder die HD ondergaan, samen met frequente vermoeidheid na de dialyse. Deze bevindingen onderstrepen het belang van een uitgebreide geriatrische evaluatie en de vroege implementatie van revalidatie- en ondersteunende zorgstrategieën vanaf de start van de dialyse.

Ontwikkeling van prognostische instrumenten voor mortaliteitsvoorspelling bij populaties met CKD en ESKD

Hoewel populatiegebaseerde mortaliteitsgegevens een algemeen perspectief bieden op de potentiële voordelen van dialyse voor oudere volwassenen, bieden ze geen geïndividualiseerde prognostische schattingen. Om een meer gepersonaliseerde prognostische beoordeling te ondersteunen, hebben onderzoekers uit meerdere landen risicovoorspellingsinstrumenten ontwikkeld voor patiënten met CKD en voor hen die progressie vertonen naar ESKD. Deze instrumenten verschillen aanzienlijk in zowel hun ontwerp als hun beoogde klinische toepassing. Sommige zijn gebaseerd op een enkele subjectieve klinische beoordeling, terwijl andere routinematig beschikbare laboratoriumparameters, gestructureerde comorbiditeitsindices, of multivariabele en machine learning-modellen bevatten die een specifieke data-infrastructuur vereisen. Deze heterogeniteit heeft belangrijke praktische implicaties, aangezien de instrumenten die het meest haalbaar zijn voor gebruik in drukke poliklinische settings niet noodzakelijkerwijs degene zijn met de grootste voorspellende waarde.

Impact van comorbiditeit op de overleving tijdens dialyse

De comorbiditeitslast is een goed gedocumenteerde determinant voor vroege mortaliteit en hospitalisatie bij oudere volwassenen die starten met dialyse, en verschillende groepen hebben dit risico vertaald naar prognostische modellen met een goede voorspellende waarde en klinische toepasbaarheid. Bepaalde comorbide aandoeningen zijn in de meeste voorspellingsmodellen opgenomen, in het bijzonder vasculaire aandoeningen, met name perifeer vasculair lijden, en cognitieve stoornissen zoals dementie. Andere veelvoorkomende aandoeningen, waaronder congestief hartfalen (CHF), vertonen een variabele voorspellende waarde in verschillende modellen. Ernstige, levensbedreigende ziekten, waaronder actieve of gemetastaseerde kanker, cũng als andere eindorgaanziekten zoals leverdisfunctie en respiratoir falen, zijn opgenomen in sommige prognostische modellen26,39.

Onder de instrumenten om multimorbiditeit samen te vatten, blijft de Charlson Comorbidity Index (CCI) een van de meest gebruikte. In de aanpassing voor patiënten met ESKD bevestigden Hemmelgarn et al.40 de validiteit van de oorspronkelijke CCI en toonden een verbeterde prestatie aan met de ESKD Comorbidity Index (Tabel 1). Binnen de CCI hebben gemetastaseerde ziekten, lymfoom en CHF de grootste weging, wat benadrukt dat het sterfterisico meer wordt beïnvloed door de totale comorbiditeitslast dan door de chronologische leeftijd alleen. De validiteit van de CCI is vervolgens bevestigd in verschillende onafhankelijke studies41,42,43,44. Hoewel het opnemen van een groter aantal comorbiditeiten de voorspellende nauwkeurigheid kan verbeteren, verhoogt dit ook de complexiteit van de implementatie van deze modellen in de routinematige klinische praktijk.

Verschillen in de voorspellende prestaties van prognostische modellen weerspiegelen waarschijnlijk variaties in de populaties waarvan ze zijn afgeleid. De meeste modellen zijn ontwikkeld binnen één geografische regio en hebben geen externe validatie ondergaan45. Daarnaast kan selectiebias de prestaties van het model beïnvloeden, aangezien patiënten met terminale ziekten, zoals gemetastaseerd kanker, of patiënten met een zeer beperkte levensverwachting mogelijk geen dialyse aangeboden krijgen en daarom ondervertegenwoordigd kunnen zijn in de populaties die voor de ontwikkeling van deze modellen zijn gebruikt. Deze potentiële indicatiebias moet in overweging worden genomen bij het interpreteren en toepassen van prognostische schattingen in de klinische praktijk.

Gebruik van functionele schalen en de verrassingsvraag

Kwetsbaarheid wordt erkend als een onafhankelijke voorspeller van mortaliteit en ziekenhuisopname bij ouderen met CKD. Kwetsbaarheid komt veel voor in deze populatie. Gimena-Muñoz et al.46 rapporteerden een prevalentie van kwetsbaarheid van 27% bij personen met gevorderde CKD, waarbij het Fried Frailty Phenotype werd gebruikt om de kwetsbaarheidsstatus te definiëren. Zij identificeerden daarnaast diabetes mellitus type 2 en anemie als onafhankelijke voorspellers van kwetsbaarheid. Bovendien kan kwetsbaarheid het risico op het ontstaan van CKD aanzienlijk verhogen47.

In een systematische review en meta-analyse door Puri et al.48, waarin 105 studies met personen met gevorderde CKD waren opgenomen, was fragiliteit — beoordeeld met ofwel het Fried Frailty Phenotype of de Rockwood Clinical Frailty Scale (CFS) — geassocieerd met een tweevoudige toename van het sterfterisico in vergelijking met niet-fragiele personen (Tabel 1). Fragiliteit verdubbelde ook het risico op ziekenhuisopname, wat de prognostische waarde ervan bevestigt, onafhankelijk van chronologische leeftijd en comorbiditeit. Deze bevindingen onderstrepen het belang van het integreren van fragiliteitsbeoordeling in de routinematige risicostratificatie binnen de nefrologische praktijk.

In overeenstemming met deze bevindingen rapporteerden Kennard et al.49 dat kwetsbaarheid geassocieerd is met een twee- tot zesvoudige toename van het risico op sterfte, hospitalisatie en progressie naar dialyse bij personen met gevorderde CKD. Kwetsbaarheid bij patiënten die dialyse ondergaan, is ook geassocieerd met frequente complicaties50, waaronder infecties, cardiovasculaire incidenten, falen van de vasculaire toegang, een verlengd herstel na dialyse en een verminderde therapietrouw. Bij oudere volwassenen dragen deze complicaties bij aan een grotere ziektelast, toegenomen functionele afhankelijkheid en een hoger gebruik van zorgvoorzieningen. Kwetsbaarheid blijft een sterke voorspeller van morbiditeit en mortaliteit bij patiënten met CKD, inclusief zij die niersubstitutietherapie ontvangen en zij die conservatief worden behandeld, zelfs na correctie voor chronologische leeftijd en multimorbiditeit51. Het integreren van functionele assessmentschalen met objectieve klinische parameters kan de voorspellende waarde van risicovoorspellingsinstrumenten voor ESKD verder verbeteren6,26.

Verschillende prognostische modellen voor CKD en ESKD maken gebruik van de Surprise Question (SQ), die vraagt: “Zou u verrast zijn als deze persoon in de komende 12 maanden overlijdt?” Deze modellen omvatten die welke zijn ontwikkeld door Cohen et al.52, Schmidt et al.6 en Javier et al.53 (Tabel 1). De SQ weerspiegelt het algemene klinische oordeel van een zorgverlener over de gezondheidstoestand van een patiënt en kan worden beschouwd als een maatstaf voor de klinische gestalt. In een prospectieve multicentrische studie ontwikkelden Schmidt et al.6 een prognostisch model met drie onafhankelijke predictoren: een negatief antwoord op de SQ (odds ratio [OR], 3,29), een gemiddelde of lage Karnofsky Performance Score (KPS) (OR, 2,09 voor KPS 50–70; OR, 4,69 voor KPS ≤40) en toenemende leeftijd (OR, 1,41 per extra decennium). Het model vertoonde een goede voorspellende waarde en benadrukte het belang van het combineren van klinisch oordeel met objectieve functionele beoordeling om ongunstige uitkomsten bij gevorderde CKD te schatten (Tabel 1)6.

Javier et al.53 evalueerden de SQ in een prospectieve studie naar 388 volwassenen van 60 jaar of ouder met CKD stadium 4–5 die geen dialyse ondergingen (Tabel 1). Zij gebruikten een versie van de SQ met drie categorieën (Ja/Onzeker/Nee), die een duidelijk gradiënt in het mortaliteitsrisico vertoonde: 5% voor “Ja”, 15% voor “Onzeker” en 27% voor “Nee” (P < 0,001). De binaire versie van de SQ verbeterde de sensitiviteit (66%), maar verminderde de specificiteit (68%). Hoewel de interpretatie van de SQ inherent subjectief is en kan variëren tussen clinici53, zijn de belangrijkste voordelen de eenvoud, de intuïtieve toepassing en het gebruiksgemak in de routineklinische praktijk.

Laboratoriumparameters

Verschillende routinematig gemeten laboratoriumparameters hebben een prognostische betekenis aangetoond op het moment van het starten van de dialyse, waaronder de geschatte glomerulaire filtratiesnelheid (eGFR), serumalbumine, hemoglobine en indices voor dialyse-adequaatheid zoals Kt/V54,55,56. Hiervan zijn serumalbumine en hemoglobine gemakkelijk beschikbare markers die de nutritionele, inflammatoire en functionele status van een patiënt weerspiegelen. In een retrospectieve cohortstudie bij oudere volwassenen met CKD stadia 1–4 waren lagere serumalbuminegehaltes onafhankelijk geassocieerd met een hogere algemene mortaliteit na correctie voor leeftijd, geslacht en nierfunctie55. In dezelfde zin is anemie op het moment van het starten van de dialyse naar voren gekomen als een sterke voorspeller van vroege mortaliteit; patiënten die de behandeling startten met hemoglobinewaarden onder 10 g/dL vertoonden een aanzienlijk hogere mortaliteit, ondanks een daaropvolgende correctie56. Deze observatie suggereert dat een laag hemoglobinegehalte bij de start van de dialyse mogelijk wijst op chronische ontsteking of suboptimale predialyse-zorg, in plaats van enkel op omkeerbare anemie. Een hogere eGFR op het moment van het starten van de dialyse is eveneens geassocieerd met een verhoogde vroege mortaliteit, hoewel dit contra-intuïtief lijkt54. Deze associatie weerspiegelt waarschijnlijk een indicatiebias, waarbij patiënten met ernstige comorbiditeit of acute ziekte eerder starten met dialyse ondanks een relatief behouden nierfunctie. Het kan daarnaast de effecten van malnutritie en een verminderde spiermassa weerspiegelen.

Auteur / JaarType instrumentStudiepopulatieDoelstelling / Prognostische horizonBelangrijkste variabelenKlinische Toepasbaarheid / Beperkingen
Schmidt et al.6Klinisch predictiemodelCKD-stadia 4–5 (niet-dialyse)sterftecijfer na 12 maandenVerrassingsvraag, KPS, leeftijdEenvoudig, gevalideerd model dat nuttig is bij het ondersteunen van beslissingen over het starten van dialyse of conservatieve nierbehandeling.
Obi et al.9Klinisch predictiemodel35.878 Amerikaanse veteranen1-jaars mortaliteit (eGFR <15 vs. ≥15 mL/min/1,73 m²)Leeftijd, comorbiditeiten, eGFR, albumine, kankerGescheiden modellen op basis van eGFR; overwegend mannelijke cohort; bevat geen kwetsbaarheids- of functionele maten.
Couchoud et al.15Klinisch voorspellingsmodel≥75 jaar (Frankrijk, REIN)sterftecijfer na 3 maandenLeeftijd, geslacht, CHF, aritmie, perifeer vasculair lijden, actieve kanker, hypoalbuminemie, functionele afhankelijkheid, gedragsstoornissenClassificeert patiënten in laag-, gemiddeld- en hoogrisicogroepen; breed toepasbaar op ouderen met ESKD.
Davison et al.18Klinisch voorspellingsmodelPeritoneaaldialysesterftecijfer over 6–18 maandenAangepast Cohen-model plus verrassingsvraag ingevuld door verplegend personeelExtern gevalideerd bij de ziekte van Parkinson; overschat de mortaliteit bij hoogrisicopatiënten; benadrukt de rol van de verpleegkundige en het belang van functionele beoordeling.
Dusseux et al.24Klinisch predictiemodelNieuwzets dialyse, ≥70 jaar (Frankrijk, REIN)3-jaars MortaliteitLeeftijd, geslacht, diabetes, hart- en vaatziekten, afhankelijkheid, laag BMI, tijdelijke katheterOntworpen om kandidaten voor verwijzing naar een niertransplantatie te identificeren in plaats van het starten van dialyse; matige discriminatie (c-statistiek 0,71), goede kalibratie, maar niet extern gevalideerd buiten Frankrijk.
Thamer et al. 39Klinisch voorspellingsmodel≥67 jaar, VSmortaliteit na 3 en 6 maandenUitgebreide en vereenvoudigde modellen (leeftijd, afhankelijkheid, albumine, kanker, CHF, hospitalisatie, institutionele residentie)Vereenvoudigde score aan het bed; bevat geen maatstaven voor levenskwaliteit of patiëntvoorkeuren.
Hemmelgarn et al.40ComorbiditeitsindexOnderhoud HDTotale mortaliteitComorbiditeiten (CHF, kanker, lymfoom, metastase)De ESKD-index presteert beter dan de CCI. De prestaties verbeteren verder wanneer deze wordt gecombineerd met machine learning (Noh et al.43; AUC 0,8357).
Santos et al.44Klinisch voorspellingsmodel≥65 jaar, Portugal6-maandsmortaliteit na start van dialyseLeeftijd, coronaire hartziekte, beroerte met hemiplegie, laag albuminegehalte, late nefrologische verwijzingPresteerde beter dan het Couchoud-model; sloot patiënten die geen dialyse kregen uit en bevatte geen beoordeling van fragiliteit.
Ivory et al.45Klinisch predictiemodelIncident HD/PD, ≥15 jaar (ANZDATA)6-maandsmortaliteitTwaalf klinische variabelen (leeftijd, BMI, comorbiditeiten, diabetes, late verwijzing)Presteerde beter dan de modellen van Couchoud en Wagner; de toepasbaarheid buiten Australië en Nieuw-Zeeland kan beperkt zijn.
Puri et al.48Frailty/functionele schaalVolwassenen met CKD (alle stadia, inclusief dialyse)Mortaliteit en hospitalisatieFFP, CFS, gemodificeerde FFP, FRAIL-schaal, Frailty IndexFFP en CFS vertoonden de sterkste prognostische waarde voor mortaliteit en hospitalisatie. Gemodificeerde FFP is een praktisch alternatief wanneer prestatiegerichte testen niet haalbaar zijn; klinisch oordeel alleen is onvoldoende.
Oki et al.50Frailty-/functionele schaalNieuwe HD/PD-patiëntensterftecijfer en hospitalisatie na 2 jaarCFSRetrospectief toegepast door verpleegkundigen; langdurige ziekenhuisopnames uitgesloten; praktisch voor routinematig klinisch gebruik.
Cohen et al.52Klinisch predictiemodelOnderhoud HD6-maandsmortaliteitLeeftijd, dementie, perifeer vasculair lijden, albumine, verrassingsvraagCombineert klinisch oordeel met objectieve variabelen; vertoont een sterk onderscheidend vermogen (AUC 0,80–0,87).
Javier et al.53Instrument voor subjectieve beoordeling≥60 jaar, CKD-stadia 4–5sterftecijfer na 12 maandenVerrassingsvraag (versies met drie en twee categorieën)Voorspelt de mortaliteit na 1 jaar; vereist voorkennis van de patiënt; matige interbeoordelaarsbetrouwbaarheid en goede test-hertestbetrouwbaarheid.
Sun et al.55LaboratoriumindicatorCKD-stadia 1–4 (70% ≥65 jaar)Langetermijn mortaliteit door alle doodsoorzakenSerumalbumine, leeftijdRetrospectieve single-center cohortstudie (n = 201); nuttig als aanvullende marker in plaats van als op zichzelf staande voorspeller.
Wick et al. 54Klinisch predictiemodel≥65 jaar bij aanvang van dialyse6-maandsmortaliteitLeeftijd ≥80 jaar, eGFR ≥15 mL/min/1,73 m², eerdere hospitalisatie, CHF, AF, kankerStratificeert het risico op kortetermijnmortaliteit; een eGFR ≥15 mL/min/1,73 m² kan wijzen op een vroege of ongeplande start van dialyse; goede discriminatie (ROC 0,73).
Karaboyas et al.56LaboratoriumindicatorInternationaal incident HD (DOPPS)1-jaarsmortaliteitBaseline-hemoglobine, ESA- en IV-ijzerdoseringenToont een U-vormig verband met ijzerdosering; hogere mortaliteit bij hemoglobinen <ESA-doseringen bij 10 g/dL of hoger; nuttig als aanvullende biomarker.
García-Montemayor et al.57Machine learning-modelIncident HD (Spanje)mortaliteit gedurende 6–24 maandenVijftien klinische en laboratoriumvariabelen (Random Forest)Bescheiden verbetering ten opzichte van logistieke regressie (ΔAUC 0,007–0,046); creatinine, Kt/V en hemoglobine zijn belangrijke voorspellende factoren voor vroege mortaliteit.
Sheng et al.59Machine learning-modelIncident HD (China)1-jaars mortaliteitLeeftijd, eGFR, CRP, hemoglobine, comorbiditeiten (XGBoost)AUC 0,83–0,85; 15 van de 42 kandidaatvariabelen behouden; vereist externe validatie in diverse populaties.

Tabel 1: Instrumenten voor het voorspellen van mortaliteit bij patiënten met gevorderde chronische nierziekte en nierfalen in het eindstadium.Deze tabel vat gevalideerde prognostische instrumenten, kwetsbaarheidsbeoordelingen, laboratoriummarkers en machine learning-modellen samen die zijn ontwikkeld om de mortaliteit te schatten bij patiënten met gevorderde chronische nierziekte (CKD) en nierfalen in het eindstadium (ESKD). Voor elke studie beschrijft de tabel de studiepopulatie, de prognostische horizon, de belangrijkste predictorvariabelen en cruciale overwegingen voor klinische toepassing, inclusief sterktes en beperkingen. Afkortingen: AF, atriumfibrilleren; AUC, oppervlak onder de receiver operating characteristic-curve; BMI, body mass index; CCI, Charlson Comorbidity Index; CFS, Clinical Frailty Scale; CHF, congestief hartfalen; CKD, chronische nierziekte; CRP, C-reactief proteïne; CVD, cardiovasculaire ziekte; eGFR, geschatte glomerulaire filtratiesnelheid; ESA, erytropoëse-stimulerend middel; ESKD, nierfalen in het eindstadium; FFP, Fried Frailty Phenotype; HD, hemodialyse; IV, intraveneus; KPS, Karnofsky Performance Status; PD, peritoneale dialyse; REIN, Renal Epidemiology and Information Network; ROC, receiver operating characteristic; US, Verenigde Staten; XGBoost, Extreme Gradient Boosting. Klik hier om deze tabel te downloaden.

Machine Learning-modellen voor mortaliteitsvoorspelling

Algoritmen voor machine learning (ML) worden steeds vaker toegepast voor het voorspellen van mortaliteit bij patiënten die dialyse ondergaan, waarbij verschillende studies een verbeterde discriminatie hebben aangetoond in vergelijking met traditionele regressiegebaseerde modellen. Garcia-Montemayor et al.57 meldden dat een random forest-model beter presteerde dan logistieke regressie bij het voorspellen van de mortaliteit na 6 maanden, 1 jaar en 2 jaar bij patiënten die hemodialyse kregen, met een area under the receiver operating characteristic curve (AUC) variërend van 0,68 tot 0,73 (Tabel 1). Yang et al.58 pasten een CatBoost-classifier toe op patiënten die peritoneale dialyse kregen en behaalden een AUC van 0,80, terwijl leeftijd, lichaamsgewicht en serumalbumine werden geïdentificeerd als de meest invloedrijke predictoren. Sheng et al.59 ontwikkelden en valideerden extern een Extreme Gradient Boosting (XGBoost)-model voor het voorspellen van de mortaliteit in het eerste jaar over 97 niercentra. Het model behaalde een AUC van 0,83–0,85, wat aanzienlijk hoger was dan de prestaties van eerder gepubliceerde regressiemodellen (Tabel 1). Op soortgelijke wijze toonden Koh et al.60 aan dat een random forest-model beter presteerde dan de gevestigde prognostische scores REIN en Wick in een oudere Zuidoost-Aziatische cohort, met een AUC van 0,83.

Ondanks deze veelbelovende bevindingen blijven er belangrijke beperkingen bestaan. De meeste ML-modellen zijn ontwikkeld met retrospectieve gegevens uit cohorten van één enkel centrum, met beperkte externe validatie en een verminderde interpreteerbaarheid. Hoewel methoden voor uitlegbaarheid, zoals SHapley Additive exPlanations (SHAP), de transparantie van modellen hebben verbeterd, blijft interpreteerbaarheid een belangrijke barrière voor routineuze klinische implementatie. Tot op heden heeft geen enkele prospectieve gerandomiseerde studie geëvalueerd of ML-gestuurde prognostiek de klinische uitkomsten of de kwaliteit van gezamenlijke besluitvorming bij patiënten met CKD of ESKD verbetert, wat een belangrijk gat in de bewijsvoering vertegenwoordigt.

Barrières voor de implementatie van prognostische instrumenten in de klinische praktijk

Ondanks de toenemende beschikbaarheid van prognostische instrumenten voor patiënten met gevorderde CKD en ESKD, blijft de integratie ervan in de routinematige klinische praktijk beperkt. Enquêtes onder Canadese nefrologen hebben aangetoond dat meer dan 80% primair vertrouwt op klinische intuïtie voor prognoses, terwijl ongeveer 70% formele voorspellingsinstrumenten nooit of zelden gebruikt61. Gemelde barrières omvatten zorgen over de toepasbaarheid van op populaties gebaseerde risicoschattingen op individuele patiënten, tijdgebrek en beperkte bekendheid met de beschikbare instrumenten en de bewijslast die hun gebruik ondersteunt. Opvallend is dat zorgprofessionals consequent onderscheid maakten tussen de waarde van prognostische instrumenten op populatieniveau en de toepassing ervan op individuele patiënten, wat een uitdaging onderstreept die waarschijnlijk niet alleen door externe validatie kan worden opgelost62.

De praktische implementatie van veel prognostische modellen wordt verder beperkt doordat sommige publicaties geen bruikbaar formaat bieden, zoals een volledige regressievergelijking of risicoscore, wat routineuze klinische toepassing bemoeilijkt63. Daarnaast hebben slechts 26,7% van de gepubliceerde modellen een externe validatie ondergaan, en formele impactstudies die evalueren of prognostische instrumenten de gezamenlijke besluitvorming of patiëntuitkomsten verbeteren, blijven zeldzaam63. De adoptie van prognostische instrumenten in de nefrologie in de praktijk blijft daarom laag, wat mogelijk wijst op beperkt vertrouwen van clinici, een gebrek aan ervaring en onzekerheid over het klinische nut ervan voor het verbeteren van patiëntuitkomsten64.

Het overbruggen van deze implementatiekloof zal inspanningen vereisen die verder gaan dan de ontwikkeling en validatie van nieuwe prognostische modellen. Integratie van prognostische instrumenten in elektronische patiëntendossiers kan barrières verminderen met betrekking tot tijd, toegankelijkheid en workflow, die door clinici consistent worden geïdentificeerd62. Daarnaast kan het trainen van nefrologen om probabilistische risico-informatie effectief te communiceren tijdens gesprekken over ernstige ziekte, in plaats van enkel numerieke schattingen te presenteren, even belangrijk zijn als het verder verbeteren van de nauwkeurigheid van de modellen62,65.

Beperkingen

Verschillende beperkingen van de bestaande literatuur verdienen erkenning. De meeste prognostische modellen9,26,39,45,55,66 zijn ontwikkeld met behulp van geografisch beperkte cohorten, en hun generaliseerbaarheid naar andere zorgomgevingen blijft onzeker. Hoewel sommige instrumenten specifiek zijn ontwikkeld voor ouderen, bevatten veel gevalideerde modellen ook jongere dialysepopulaties, en toegewijde prognostische instrumenten voor kwetsbare ouderen blijven beperkt. De huidige literatuur is bovendien zwaar gewogen richting hemodialysecohorten, terwijl gevalideerde prognostische modellen voor patiënten die peritoneale dialyse ondergaan schaars blijven, waarbij het werk van Davison et al.18 een van de weinige beschikbare voorbeelden is. Machine learning-modellen zijn weliswaar veelbelovend, maar zijn nog niet geëvalueerd in prospectieve klinische trials, en geen enkel momenteel beschikbaar prognostisch instrument heeft in een gerandomiseerde studie aangetoond dat het gebruik ervan de kwaliteit van gezamenlijke besluitvorming of de patiëntuitkomsten verbetert.

Toekomstig onderzoek moet prioriteit geven aan de ontwikkeling en externe validatie van prognostische modellen over diverse populaties en dialysemodaliteiten, prospectieve evaluatie van zorg gestuurd door prognostiek, en de integratie van door patiënten gerapporteerde voorkeuren in klinische kaders voor risicobeoordeling.

Conclusies

Prognostiek is een belangrijk onderdeel van gezamenlijke besluitvorming. Nefrologen moeten prognostische informatie nauwkeurig en op een persoonsgerichte manier verstrekken om te helpen de voorgestelde behandelingen af te stemmen op de waarden en voorkeuren van patiënten. Prognostische instrumenten, waaronder risicovoorspellingsmodellen, kunnen nefrologen ondersteunen bij het verstrekken van meer genuanceerde risicobeoordelingen. Deze instrumenten kunnen de vroege identificatie vergemakkelijken van personen die baat zouden kunnen hebben bij een uitgebreide geriatrische beoordeling, vroegtijdige zorgplanning of, in geselecteerde gevallen, minder invasieve behandelalternatieven of palliatieve zorg26. Omgekeerd kunnen ze helpen bij het identificeren van patiënten met een gunstige prognose die baat kunnen hebben bij proactieve planning van vasculaire toegang of transplantatie-evaluatie. Beschikbare prognostische instrumenten variëren van snelle subjectieve beoordelingen, zoals de Surprise Question, tot complexe multivariabele modellen. Deze modellen zijn echter mogelijk niet toepasbaar op alle populaties en moeten slechts in passende klinische contexten worden gebruikt. Zorgverleners moeten daarom een multimodale aanpak hanteren die laboratoriumparameters, comorbiditeiten, functionele beoordelingsschalen en klinisch oordeel combineert om prognostische schattingen te ontwikkelen die niet overmatig reductivistisch zijn. Modellen ontwikkeld door Cohen et al.52, Schmidt et al.6 en Couchoud et al.26 (Tabel 1) kunnen bijzonder nuttig zijn omdat er gepubliceerde risicocalculatoren beschikbaar zijn die snel in de klinische praktijk kunnen worden toegepast. De modellen ontwikkeld door Cohen et al.52 en Schmidt et al.6 combineren klinisch oordeel met objectieve parameters, wat een holistische beoordeling mogelijk maakt. De wijze waarop prognostische informatie wordt gecommuniceerd, is even belangrijk. Informatie moet worden gepresenteerd in taal die toegankelijk is voor patiënten, met gevoeligheid voor hun bereidheid om over sterfelijkheid te praten. Prognostische schattingen moeten gesprekken sturen en de potentiële voordelen en beperkingen van de behandeling contextualiseren; clinici moeten vermijden om absolute risicoschattingen te presenteren zonder passende uitleg. Gestructureerde communicatiekaders, zoals het Best Case/Worst Case-instrument, maken gebruik van scenarioplanning en grafische hulpmiddelen om de beste, meest waarschijnlijke en slechtste uitkomsten van elke behandeloptie te beschrijven. Deze benaderingen kunnen nefrologen helpen om verder te kijken dan geïsoleerde statistische schattingen en patiënten en families ondersteunen bij het nemen van behandelbeslissingen die hun doelen en waarden weerspiegelen16,67. Toekomstig werk moet zich richten op het valideren van prognostische instrumenten in diverse populaties en het evalueren of hun gebruik de gezamenlijke besluitvorming en patiëntgerichte uitkomsten verbetert.

Openbaarmakingen

De auteurs verklaren geen concurrerende financiële belangen of belangenverstrengeling te hebben. Daarnaast hebben de auteurs een OpenAI-afbeeldingstool gebruikt om de initiële versie van Figuur 1 te maken. De figuur is vervolgens beoordeeld, herzien en goedgekeurd door de auteurs, die de volledige verantwoordelijkheid dragen voor de wetenschappelijke inhoud en de klinische nauwkeurigheid ervan.

Referenties

  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.

Herprints en machtigingen

Tags

Prognostische beoordelingPrognostische instrumentenCharlson Comorbidity IndexSurprise QuestionMultivariabele voorspellingsmodellenMachine learning voorspellingFunctionele statusVooruitziende zorgplanningGedeelde besluitvorming
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.