Prognozowanie w schorzeniach nerek w stadium końcowym: narzędzia, dowody i zastosowania kliniczne

José Luis Herrera-Acevedo; Asad Ali Merchant

doi:10.3791/70058

Artykuł przeglądowy

Prognozowanie w schorzeniach nerek w stadium końcowym: narzędzia, dowody i zastosowania kliniczne

77 wyświetleń

⸱

DOI:

10.3791/70058

⸱

18 sierpnia 2026

José Luis Herrera-Acevedo¹ , Asad Ali Merchant¹

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

W tym artykule

Podsumowanie

Niniejszy przegląd podsumowuje narzędzia prognostyczne w schyłowej niewydolności nerek, podkreślając ich zastosowanie w ocenie ryzyka zgonu, wspólnym podejmowaniu decyzji, konserwatywnym leczeniu niewydolności nerek oraz w indywidualnym planowaniu terapii dla osób starszych.

Streszczenie

Prognozowanie w schyłkowej niewydolności nerek ma fundamentalne znaczenie dla opieki zorientowanej na pacjenta oraz wspólnego podejmowania decyzji. Niniejszy przegląd podsumowuje aktualne dowody dotyczące oceny prognostycznej u osób starszych ze schyłkową niewydolnością nerek, które rozważają dializoterapię lub konserwatywną opiekę nefrologiczną. Analizuje uzasadnienie prognozowania i przegląda główne kliniczne, funkcjonalne oraz laboratoryjne predyktory śmiertelności, w tym obciążenie chorobami współistniejącymi, kruchość, stan funkcjonalny i parametry biochemiczne. W przeglądzie omówiono zwalidowane narzędzia prognostyczne, w tym indeks chorób współistniejących Charlsona, pytanie o zaskoczenie (Surprise Question) oraz wielowymiarowe modele predykcyjne, a także rozwijające się podejścia oparte na uczeniu maszynowym w celu indywidualizacji przewidywania ryzyka. Praca analizuje również wpływ pogorszenia funkcji, hospitalizacji i ograniczonej korzyści z przeżycia na decyzje terapeutyczne, podkreślając rolę informacji prognostycznych w planowaniu opieki z wyprzedzeniem oraz w opiece zgodnej z celami pacjenta. Ponadto w przeglądzie omówiono komunikowanie prognoz oraz praktyczne wyzwania związane z wdrażaniem narzędzi prognostycznych w rutynowej praktyce nefrologicznej. Dzięki integracji opartej na dowodach oceny prognostycznej z indywidualną oceną kliniczną i wartościami pacjenta, prognozowanie może wspierać świadome decyzje terapeutyczne i ułatwiać spersonalizowaną opiekę nad osobami starszymi ze schyłkową niewydolnością nerek.

Wprowadzenie

Przewlekła choroba nerek (PChN) dotyka szacunkowo 843,6 miliona ludzi na całym świecie, z czego ponad 2 miliony osób żyje z schyłkową niewydolnością nerek (ESKD)¹^,²^,³^,⁴^,⁵. Osoby starsze są bardziej narażone na rozwój zaawansowanej choroby nerek, w szczególności te z chorobami układu sercowo-naczyniowego i innymi schorzeniami współistniejącymi. Pomimo znaczących postępów w terapiach medycznych, ESKD nadal wiąże się z istotnym ryzykiem śmiertelności i zachorowalności¹^,⁴.

Ważnym aspektem opieki w CKD jest planowanie zaawansowanej opieki na wypadek możliwości progresji do ESKD. Transplantacja nerki jest preferowaną formą terapii zastępczej nerek, ponieważ zapewnia najlepsze wyniki w zakresie przeżywalności i jakości życia. Jednak transplantacja może być niedostępna dla pacjentów bez odpowiedniego dawcy i może być przeciwwskazana u osób z wysokim ryzykiem chirurgicznym lub medycznym, u osób w stanie kruchości lub z ograniczoną oczekiwaną długością życia. Często dotyczy to starszych pacjentów, którzy mogą stać przed niepewną przyszłością i trudnym wyborem między rozpoczęciem dożywotniej dializoterapii, w domu lub w klinice, a wyborem leczenia zachowawczego skoncentrowanego na kontroli objawów, z pełną świadomością, że takie podejście może skrócić czas przeżycia. Lekarze mają kliniczne, etyczne i prawne obowiązki zapewnienia zindywidualizowanego podejścia zorientowanego na pacjenta, uznając jednocześnie, że w niektórych okolicznościach dializoterapia może zwiększyć cierpienie bez konieczności przedłużenia życia⁶.

W tym kontekście planowanie opieki wyprzedzającej (advance care planning) jest ważnym narzędziem wspierającym pacjentów, rodziny i pracowników ochrony zdrowia poprzez dostosowanie przyszłych decyzji do wartości, życzeń oraz zmieniających się okoliczności klinicznych każdej osoby⁶. Pacjenci i ich rodziny są w stanie dokonać bardziej świadomych wyborów, zgodnych z ich wartościami i preferencjami, gdy otrzymują jasne i wyczerpujące informacje o korzyściach i szkodach wynikających z dializoterapii. Należy zaprosić ich i zachęcić do udziału w procesie wspólnego podejmowania decyzji. Chociaż dializoterapia może poprawić przeżywalność i złagodzić objawy, jej korzyści mogą być niewielkie u pacjentów starszych i obciążonych zespołem kruchości, a leczenie może wiązać się ze znacznym ograniczeniem niezależności i jakości życia⁷. Prognozowanie jest zatem kluczowym elementem edukacji pacjenta i wspólnego podejmowania decyzji. Aby rozważyć kompromis między przeżywalnością a jakością życia, pacjenci muszą rozumieć potencjalną korzyść w zakresie przeżycia wynikającą z rozpoczęcia dializoterapii oraz to, w jaki sposób leczenie może wpłynąć na ich jakość życia.

Niniejszy przegląd omawia kluczowe cechy strategii i narzędzi stosowanych do oceny rokowań u pacjentów rozważających lub rozpoczynających dializoterapię. Analizuje on również, w jaki sposób podejścia te mogą wspierać zespoły opieki nefrologicznej, pacjentów i ich rodziny w podejmowaniu wspólnych decyzji dotyczących opcji leczenia i ścieżek opieki w ESKD (Rysunek 1).

Schemat ścieżki prognozowania zorientowanego na osobę pacjenta w celu podejmowania decyzji terapeutycznych w CKD/ESKD, przedstawiający etapy oceny i podejmowania decyzji.
Rysunek 1. Ścieżka prognozowania zorientowanego na osobę pacjenta w zaawansowanej przewlekłej chorobie nerek (CKD) oraz schyłkowej niewydolności nerek (ESKD). Schemat podsumowuje kompleksową ocenę pacjenta, multimodalną ocenę prognostyczną, komunikację dotyczącą rokowań i wspólne podejmowanie decyzji, wybór metody leczenia oraz ciągłą reewaluację w celu wsparcia opieki zorientowanej na osobę pacjenta. Numery w indeksie górnym odpowiadają referencjom cytowanym w manuskrypcie. Rysunek został wygenerowany przy pomocy narzędzia OpenAI do generowania obrazów, a następnie sprawdzony i zatwierdzony przez autorów pod kątem poprawności naukowej i klinicznej. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

Przegląd i perspektywa

Znaczenie prognozowania w przewlekłej chorobie nerek

Zrozumienie rokowań oraz oczekiwanego przebiegu postępu choroby może w znacznym stopniu wpłynąć na cele terapeutyczne i decyzje życiowe. Wiedza ta jest niezbędna do zapewnienia opieki zorientowanej na pacjenta, wspierania wspólnego podejmowania decyzji oraz ułatwiania planowania przyszłej opieki. Jednak badania przeprowadzone wśród osób z nowotworami oraz osób starszych wykazały, że pracownicy służby zdrowia rzadko przekazują informacje prognostyczne, podczas gdy pacjenci często utrzymują zbyt optymistyczne oczekiwania co do przyszłości⁸.

Ocena prognostyczna jest kluczowym elementem dyskusji między pacjentami a lekarzami, ponieważ informacje na temat przewidywanej długości życia są często poszukiwane przy podejmowaniu decyzji o rozpoczęciu dializ. Preferencje i wartości osobiste, kulturowe oraz religijne również odgrywają istotną rolę w tym, czy dana osoba zdecyduje się na dializy w celu przedłużenia życia⁶. Model przewidywania ryzyka, który antycypuje wczesną śmiertelność, może pomóc w personalizacji leczenia i wspierać proces wspólnego podejmowania decyzji pomiędzy personelem medycznym, osobami żyjącymi z chorobą nerek a ich członkami rodziny⁹. Jest to szczególnie istotne w przypadku pacjentów, u których rozważa się bardziej konserwatywne ścieżki leczenia. Konserwatywna opieka nefrologiczna (CKC), obejmująca kontynuację aktywnej opieki medycznej, kontrolę objawów i wsparcie wielodyscyplinarne bez wdrażania dializ, jest coraz częściej uznawana w wytycznych międzynarodowych za pełnoprawną ścieżkę leczenia, a nie jedynie opcję domyślną dla pacjentów niekwalifikujących się do leczenia zastępczego nerek¹⁰. Wykazano, że dializy zapewniają dłuższą medianę przeżycia niż CKC w ujęciu ogólnym (3,1 versus 1,5 roku od momentu podjęcia decyzji o leczeniu); jednakże korzyść w zakresie przeżywalności znika u pacjentów w wieku 80 lat lub starszych (P = 0,08) i jest znacznie zredukowana u osób z ciężką współchorobowością sercowo-naczyniową¹¹^,¹². Poza wskaźnikami śmiertelności, częstość hospitalizacji była znacząco niższa wśród pacjentów objętych CKC (iloraz częstości występowania, 0,40; 95% przedział ufności [CI], 0,32–0,49)¹³.

CKC wiąże się również z poprawą jakości życia, zmniejszeniem obciążenia objawami oraz większym prawdopodobieństwem zgonu w domu, a nie w szpitalu¹². Wyniki te wspierają prospektywną integrację CKC w zależności od trajektorii podatności pacjenta, zamiast stosowania tej metody wyłącznie jako opcji leczenia rezydualnego. Ocena prognostyczna może pomóc w zidentyfikowaniu osób, które najprawdopodobniej odniosą korzyści z tej filozofii leczenia. Na przykład, jeśli u pacjenta spodziewa się wysokiego ryzyka zgonu w ciągu pierwszego roku po rozpoczęciu dializ, odpowiednimi opcjami do rozważenia mogą być CKC lub zmodyfikowane strategie dializowania⁹. Jassal et al. zaproponowali ścieżki opieki dializacyjnej uwzględniające poziom kruchości, które dostosowują intensywność leczenia, ograniczenia dietetyczne i wsparcie domowe do stanu kruchości, przy czym okresowa ponowna ocena umożliwia przejścia dwukierunkowe wraz ze zmianą stanu pacjenta¹⁴.

Narzędzia prognostyczne mogą pomóc pracownikom ochrony zdrowia w prowadzeniu pacjentów i ich rodzin przez proces podejmowania decyzji dotyczących leczenia ESKD¹⁵^,¹⁶. Chociaż międzynarodowe wytyczne silnie zalecają przekazywanie pacjentom informacji o rokowaniach¹⁷^,¹⁸^,¹⁹, a dowody sugerują, że większość pacjentów pragnie otrzymać takie informacje²⁰^,²¹^,²², praktyka ta nie jest konsekwentnie wdrażana w rutynowej opiece klinicznej. Skutecznej komunikacji rokowań przeszkadzają liczne bariery. Nefrolodzy mogą nie dysponować narzędziami zapewniającymi dokładne, zindywidualizowane szacunki ryzyka i mogą czuć dyskomfort podczas omawiania rokowań z powodu obaw o ich potencjalny wpływ emocjonalny na pacjentów. Badania wykazały również, że pacjenci zazwyczaj preferują szersze dyskusje na temat rokowań, zamiast przewidywań wyrażonych wyłącznie jako szacowany czas przeżycia²³. Co więcej, wiele modeli prognostycznych nie jest łatwo wdrażalnych w rutynowej praktyce klinicznej z powodu braku zewnętrznej walidacji, a stosunkowo niewiele z nich opracowano na podstawie kohort obejmujących pacjentów poddawanych dializie otrzewnowej. Poza przewidywaniem wczesnej śmiertelności, Dusseux et al. opracowali skalę śmiertelności 3-letniej dla starszych francuskich pacjentów poddawanych dializom (w wieku ≥70 lat), aby zidentyfikować kandydatów, którzy mogą kwalifikować się do transplantacji nerek, wykazując tym samym, że narzędzia prognostyczne znajdują zastosowanie wykraczające poza wstępną decyzję o rozpoczęciu dializ (Table 1)²⁴.

Ogólna śmiertelność u osób starszych z końcową fazą niewydolności nerek

Przewidywana długość życia osób starszych żyjących z ESKD i poddawanych dializom pozostaje znacznie niższa niż w przypadku ogółu populacji. Według United States Renal Data System (USRDS, 2024)⁴, 5-letni wskaźnik przeżywalności wśród osób dorosłych w wieku 65–74 lat wynosi 35,6%, w porównaniu do 23,8% u osób w wieku 75 lat lub starszych, przy czym w ciągu ostatniej dekady odnotowano jedynie niewielką poprawę. Po analizie pod kątem metody dializy wyniki są porównywalne. W przypadku hemodializy (HD) 5-letni wskaźnik przeżywalności utrzymuje się na poziomie około 34%, podczas gdy w dializie otrzewnowej (PD) wynosi on od 22% do 35%, w zależności od wieku.

Najnowsze dane USRDS wskazują również, że w 2022 roku szacowana pozostała oczekiwana długość życia osób poddawanych dializom wynosiła około 4,6 roku dla kobiet i 4,5 roku dla mężczyzn w wieku 65–69 lat. Wartość ta spadła do 3,5 roku dla kobiet i 3,3 roku dla mężczyzn w wieku 75–79 lat. W przeciwieństwie do nich, biorcy przeszczepów nerek w tych grupach wiekowych mogą zyskać dodatkowe 7–11 lat życia, podczas gdy osoby w populacji ogólnej mają pozostałą oczekiwaną długość życia wynoszącą około 16–18 lat. Pomimo postępu technologicznego i lepszego doboru kandydatów, wyniki te potwierdzają, że wzrost długości życia związany z dializami pozostaje ograniczony⁴.

Chociaż współczesne dane wykazują stabilizację przeżywalności, podobne wzorce prognostyczne zgłaszano już wcześniej. W analizie populacyjnej obejmującej ponad 350 000 dorosłych w wieku 65 lat lub więcej w Stanach Zjednoczonych, Kurella et al.²⁵ wykazali, że oczekiwana długość życia po rozpoczęciu dializ spada sukcesywnie wraz z wiekiem. Mediana przeżycia (50. percentyl) spadła z 2,5 lat u dorosłych w wieku 65–69 lat do 0,6 lat u osób w wieku 90 lat lub więcej. Analogicznie, 75. percentyl spadł z 4,6 lat do 1,7 lat, podczas gdy 25. percentyl zmniejszył się z 0,9 lat do 0,2 lat w tych samych grupach wiekowych. Ta znaczna rozpiętość obrazuje istotną heterogeniczność prognostyczną wśród osób w podobnym wieku i podkreśla, że sam wiek chronologiczny nie determinuje rokowań. Ryzyko śmiertelności jest najwyższe w wczesnym okresie po rozpoczęciu dializ. Wśród dorosłych, którzy rozpoczynają dializy po 75. roku życia, prawdopodobieństwo przeżycia wynosi 71% po 1 roku i 54% po 2 latach w Europie, w porównaniu do odpowiednio 59% i 43% w Stanach Zjednoczonych. Ponad 10% pacjentów umiera w ciągu pierwszych 3 miesięcy po rozpoczęciu dializ²⁶.

Pomimo tych ustaleń epidemiologicznych, postrzeganie rokowań przez pacjentów często znacząco różni się od obserwowanych wyników przeżywalności. W kohorcie 993 pacjentów poddawanych dializom jedynie 11,2% spodziewało się przeżyć mniej niż 5 lat, podczas gdy 33,0% przewidywało przeżycie ponad 10 lat, mimo danych USRDS wskazujących, że 60,3% zmarło w ciągu 5 lat. Pacjenci, którzy spodziewali się dłuższego przeżycia, znacznie rzadziej dokumentowali preferencje dotyczące leczenia lub nadawali priorytet opiece skoncentrowanej na komforcie i częściej wybierali resuscytację krążeniowo-oddechową (skorygowany iloraz szans [aOR], 5,3) lub wentylację mechaniczną (aOR, 2,2) niż pacjenci z bardziej realistycznymi oczekiwaniami co do przeżywalności⁸.

Zachorowalność i hospitalizacje u osób starszych z końcową stadią choroby nerek

Osoby starsze rozpoczynające terapię zastępcza nerek charakteryzują się wysokim obciążeniem chorobami współistniejącymi oraz ostrymi zdarzeniami klinicznymi, które bezpośrednio wpływają na rokowanie. Według USRDS (2024)⁴, w 2022 roku 59% nowych pacjentów z ESKD cierpiało na cukrzycę, 25% na niewydolność serca, a 17%–28% na różne postacie chorób układu sercowo-naczyniowego. Ten sam raport wykazał skorygowane wskaźniki hospitalizacji z każdego powodu na poziomie 1,37 i 1,42 zdarzenia na osobiorok odpowiednio wśród osób w wieku 65–74 lata i ≥75 lat leczonych metodą PD, w porównaniu do 1,46 i 1,49 zdarzenia na osobiorok wśród osób leczonych metodą HD⁴.

Osoby starsze rozpoczynające dializoterapię często wykazują wielochorobowość, która w znacznym stopniu wpływa na ich przebieg kliniczny. Choroby współistniejące mają również głęboki wpływ na wyniki zdrowotne i przeżywalność pacjentów w 5. stadium CKD. W wielu badaniach nie wykazano istotnych różnic w przeżywalności między pacjentami, którzy decydują się na dializę, a tymi, u których zastosowano leczenie zachowawcze. Wynik ten prawdopodobnie odzwierciedla wysokie konkurencyjne ryzyko zgonu przed progresją do ESKD, wraz z ograniczoną korzyścią w zakresie przeżywalności związaną z terapią dializacyjną²⁷^,²⁸.

W amerykańskiej kohorcie 391 beneficjentów programu Medicare w wieku ≥65,5 lat niemal dwie trzecie osób miało cztery lub więcej chorób przewlekłych, a 73% rozpoczęło dializę podczas hospitalizacji. Oba czynniki były niezależnie powiązane ze wskaźnikiem śmiertelności w ciągu roku przekraczającym 50%²⁹. Podobnie, badanie krajowego rejestru obejmujące 28 049 dorosłych w wieku ≥67 lat wykazało, że pacjenci powyżej 80 roku życia spędzili średnio 67 dni w szpitalach lub zakładach pielęgnacyjnych w ciągu pierwszego roku po rozpoczęciu dializ, przy czym największe wykorzystanie opieki zdrowotnej zaobserwowano u osób z otępieniem lub chorobami układu krążenia³⁰.

Poza wysoką częstotliwością współistnienia wielu schorzeń, wczesny okres po rozpoczęciu dializ charakteryzuje się nawracającymi hospitalizacjami, infekcjami oraz pogorszeniem funkcji organizmu. W europejskiej kohorcie ponad 10 000 osób, które rozpoczęły dializy w 2017 roku, 82,8% przeszło co najmniej jedną hospitalizację, a 33,8% zmarło w ciągu pierwszego roku, co podkreśla znaczne obciążenie wczesnymi powikłaniami³¹. Przyjęcia związane z infekcjami pozostają główną przyczyną zachorowalności, stanowiąc około jednej trzeciej wszystkich hospitalizacji i dotykając niemal połowę starszych pacjentów w okresie obserwacji. Cukrzyca, niewydolność serca oraz hypoalbuminemia należą do głównych czynników ryzyka tych przyjęć³².

Spadek sprawności funkcjonalnej u osób starszych rozpoczynających dializoterapię

Słabość funkcjonalna i zależność dodatkowo zwiększają ryzyko związane z rozpoczęciem dializ u osób starszych. Wśród osób starszych poddawanych HD, 46% zaklasyfikowano jako osoby słabe, 55% jako niedożywione, a 21% jako zależne w podstawowych czynnościach życia codziennego³³. Spadek sprawności funkcjonalnej po rozpoczęciu dializ jest częsty i ma istotne znaczenie kliniczne.

W przełomowym badaniu przeprowadzonym przez Tamura et al.³⁴, obejmującym ponad 3700 mieszkańców domów opieki w Stanach Zjednoczonych, wynik w skali Minimum Data Set–Activities of Daily Living (MDS-ADL), będącej standaryzowanym miernikiem zależności w podstawowych czynnościach samoobsługowych wywodzącym się z zestawu Minimum Data Set stosowanego w placówkach opieki długoterminowej³⁵, wzrósł z mediany 12 przed rozpoczęciem dializ do 16 po ich rozpoczęciu. Po 3 miesiącach tylko 39% uczestników utrzymało wyjściowy status funkcjonalny. Po roku 58% zmarło, a jedynie 13% zachowało wcześniejszy poziom sprawności. Podobnie Jassal et al.³⁶ zgłosili, że wśród osób dorosłych w wieku 80 lat lub starszych ponad 30% doświadczyło utraty niezależności w ciągu pierwszych 6 miesięcy po rozpoczęciu dializ. Ani metoda dializy (HD versus PD), ani miejsce rozpoczęcia dializ (oddział stacjonarny versus tryb ambulatoryjny) nie były powiązane z późniejszym pogorszeniem funkcji³⁶.

Nowsze dowody wskazują, że wzorzec ten występuje również wśród osób starszych mieszkających w społeczności lokalnej. W holenderskim badaniu kohortowym przeprowadzonym przez Goto et al.³⁷, 40% osób w wieku 65 lat lub starszych doświadczyło pogorszenia funkcji w ciągu pierwszych 6 miesięcy po rozpoczęciu dializ, przy czym największe ryzyko zaobserwowano u osób starszych i kruchych. Ponadto 79% uczestników wykazywało pewien stopień zależności funkcjonalnej w punkcie wyjściowym, a obciążenie opiekunów wzrosło z 23% do 38% w okresie obserwacji³⁷.

Badania międzynarodowe konsekwentnie wykazują, że zależność funkcjonalna wiąże się z gorszymi rokowaniami. Badanie Dialysis Outcomes and Practice Patterns opublikowane w 2016 roku wykazało, że ciężka zależność funkcjonalna (wynik funkcjonalny <8/13) wiązała się z 2,37-krotnie wyższym ryzykiem śmiertelności, niezależnie od wieku i chorób współistniejących³⁸. Pereira et al.³³ zgłosili również wysoki odsetek kruchości i zależności funkcjonalnej wśród osób w wieku 75 lat lub starszych poddawanych HD, wraz z częstym występowaniem zmęczenia po dializie. Wyniki te potwierdzają znaczenie kompleksjonalnej oceny geriatrycznej oraz wczesnego wdrażania strategii rehabilitacyjnych i opieki wspomagającej od momentu rozpoczęcia dializ.

Opracowanie narzędzi prognostycznych do przewidywania śmiertelności w populacjach pacjentów z CKD i ESKD

Choć populacyjne dane dotyczące śmiertelności dostarczają ogólnej perspektywy na temat potencjalnych korzyści z dializ u osób starszych, nie dają one zindywidualizowanych szacunków rokowań. Aby wesprzeć bardziej spersonalizowaną ocenę prognostyczną, badacze z wielu krajów opracowali narzędzia do przewidywania ryzyka dla pacjentów z CKD oraz tych, u których choroba postępuje do ESKD. Narzędzia te różnią się znacząco zarówno pod względem konstrukcji, jak i zamierzonego zastosowania klinicznego. Niektóre opierają się na pojedynczej subiektywnej ocenie klinicznej, podczas gdy inne wykorzystują rutynowo dostępne parametry laboratoryjne, ustrukturyzowane indeksy chorób współistniejących lub wielowymiarowe modele i modele uczenia maszynowego, które wymagają dedykowanej infrastruktury danych. Ta heterogeniczność ma istotne skutki praktyczne, ponieważ narzędzia, których zastosowanie jest najbardziej wykonalne w zatłoczonych warunkach ambulatoryjnych, niekoniecznie są tymi o największej wydajności prognostycznej.

Wpływ chorób współistniejących na przeżywalność podczas dializy

Obciążenie chorobami współistniejącymi jest uznanym czynnikiem determinującym wczesną śmiertelność i częstotliwość hospitalizacji wśród osób starszych rozpoczynających dializoterapię, a kilka grup badawczych przekształciło to ryzyko w modele prognostyczne o dobrej wydajności predykcyjnej i przydatności klinicznej. Pewne schorzenia współistniejące są uwzględnione w większości modeli predykcyjnych, w szczególności choroby naczyniowe, zwłaszcza naczyniowe choroby obwodowe, oraz zaburzenia poznawcze, takie jak otępienie. Inne powszechne schorzenia, w tym zastoinowa niewydolność serca (CHF), wykazują różną wydajność predykcyjną w zależności od modelu. Poważne choroby zagrażające życiu, w tym aktywny lub przerzutny nowotwór, a także inne choroby narządowe, takie jak niewydolność wątroby i niewydolność oddechowa, są włączone do niektórych modeli prognostycznych²⁶^,³⁹.

Wśród narzędzi służących do podsumowania wielochorobowości, indeks chorób współistniejących Charlsona (CCI) pozostaje jednym z najszerzej stosowanych. W jego adaptacji dla pacjentów z ESKD, Hemmelgarn et al.⁴⁰ potwierdzili trafność oryginalnego CCI i wykazali lepsze wyniki w przypadku indeksu chorób współistniejących w ESKD (Tabela 1). W ramach CCI największą wagę przypisuje się przerzutom nowotworowym, chłoniakom oraz niewydolności serca (CHF), co podkreśla, że ryzyko śmiertelności jest w większym stopniu determinowane przez ogólne obciążenie chorobami współistniejącymi niż przez sam wiek chronologiczny. Trafność CCI została następnie potwierdzona w kilku niezależnych badaniach⁴¹^,⁴²^,⁴³^,⁴⁴. Chociaż uwzględnienie większej liczby chorób współistniejących może poprawić dokładność prognostyczną, zwiększa ono również złożoność wdrażania tych modeli w rutynowej praktyce klinicznej.

Różnice w wydajności prognostycznej modeli prawdopodobnie odzwierciedlają zróżnicowanie populacji, z których zostały one opracowane. Większość modeli została stworzona w obrębie jednego regionu geograficznego i nie przeszła walidacji zewnętrznej⁴⁵. Ponadto na wydajność modeli może wpływać błąd selekcji, ponieważ pacjentom z chorobami w stadium terminalnym, takimi jak przerzutowy nowotwór, lub osobom z bardzo ograniczoną prognozą przeżycia może nie zaproponowano dializ, przez co mogą być one niedoreprezentowane w populacjach wykorzystanych do opracowania tych modeli. Ten potencjalny błąd wskazań powinien być brany pod uwagę podczas interpretacji i stosowania szacunków prognostycznych w praktyce klinicznej.

Zastosowanie skal funkcjonalnych i pytania niespodzianki

Kruchość jest uznawana za niezależny czynnik prognostyczny śmiertelności i hospitalizacji wśród osób starszych z CKD. Kruchość jest powszechna w tej populacji. Gimena-Muñoz et al.⁴⁶ zgłosili 27% częstość występowania kruchości wśród osób z zaawansowanym CKD, stosując fenotyp kruchości Frieda do zdefiniowania stanu kruchości. Zidentyfikowali oni również cukrzycę typu 2 oraz anemię jako niezależne czynniki prognostyczne kruchości. Ponadto kruchość może znacząco zwiększyć ryzyko wystąpienia CKD⁴⁷.

W przeglądzie systematycznym i metaanalizie przeprowadzonym przez Puri et al.⁴⁸, obejmującym 105 badań z udziałem osób z zaawansowaną przewlekłą chorobą nerek (CKD), stwierdzono, że kruchość (frailty) oceniana za pomocą fenotypu kruchości Frieda lub klinicznej skali kruchości Rockwooda (CFS) wiązała się z dwukrotnym wzrostem ryzyka śmiertelności w porównaniu z osobami niekruchymi (Tabela 1). Kruchość podwoiła również ryzyko hospitalizacji, potwierdzając swoją wartość prognostyczną niezależnie od wieku chronologicznego i chorób współistniejących. Wyniki te podkreślają znaczenie włączenia oceny kruchości do rutynowej stratyfikacji ryzyka w praktyce nefrologicznej.

Zgodnie z tymi ustaleniami Kennard et al.⁴⁹ wykazali, że zespół kruchości wiąże się z dwu- do sześciokrotnym wzrostem ryzyka zgonu, hospitalizacji oraz progresji do dializoterapii u osób z zaawansowaną przewlekłą chorobą nerek (CKD). Kruchość u pacjentów poddawanych dializom wiąże się również z częstymi powikłaniami⁵⁰, w tym z infekcjami, zdarzeniami sercowo-naczyniowymi, niewydolnością dostępu naczyniowego, przedłużoną rekonwalescencją po dializach oraz gorszym przestrzeganiem zaleceń terapeutycznych. Wśród osób starszych powikłania te przyczyniają się do większego obciążenia chorobą, zwiększonej zależności funkcjonalnej oraz intensywniejszego korzystania z usług ochrony zdrowia. Kruchość pozostaje silnym predyktorem zachorowalności i śmiertelności u pacjentów z CKD, w tym u osób leczonych metodąt zastępczej oraz leczonych zachowawczo, nawet po uwzględnieniu wieku chronologicznego i wielochorobowości⁵¹. Integracja skal oceny funkcjonalnej z obiektywnymi parametrami klinicznymi może dodatkowo poprawić skuteczność narzędzi prognostycznych w ocenie ryzyka ESKD⁶^,²⁶.

Kilkka modeli prognostycznych dla CKD i ESKD uwzględniają Pytanie o Zaskoczenie (SQ), które brzmi: „Czy byłby Pan/Pani zaskoczony/a, gdyby ta osoba zmarła w ciągu najbliższych 12 miesięcy?” Modele te obejmują opracowane przez Cohena et al.⁵², Schmidta et al.⁶ oraz Javiera et al.⁵³ (Tabela 1). SQ odzwierciedla ogólną ocenę kliniczną stanu zdrowia pacjenta dokonaną przez pracownika ochrony zdrowia i może być uznane za miarę gestaltu klinicznego. W prospektywnym badaniu wieloośrodkowym Schmidt et al.⁶ opracowali model prognostyczny uwzględniający trzy niezależne predyktory: negatywną odpowiedź na SQ (iloraz szans [OR], 3,29), umiarkowaną lub niską skalę sprawności Karnofsky’ego (KPS) (OR, 2,09 dla KPS 50–70; OR, 4,69 dla KPS ≤40) oraz wzrost wieku (OR, 1,41 na każdą dodatkową dekadę). Model ten wykazał dobrą skuteczność prognostyczną i podkreślił wartość łączenia oceny klinicznej z obiektywną oceną funkcjonalną w celu szacowania niekorzystnych wyników w zaawansowanym CKD (Tabela 1)⁶.

Javier i wsp.⁵³ ocenili SQ w prospektywnym badaniu 388 osób dorosłych w wieku 60 lat lub więcej z PChN w stadiach 4–5, które nie poddawały się dializom (Tabela 1). Zastosowano wersję SQ z trzema kategoriami (Tak/Niepewne/Nie), która wykazała wyraźny gradient ryzyka śmiertelności: 5% dla odpowiedzi „Tak”, 15% dla „Niepewne” i 27% dla „Nie” (P < 0,001). Binarna wersja SQ poprawiła czułość (66%), ale obniżyła swoistość (68%). Choć interpretacja SQ jest z natury subiektywna i może się różnić w zależności od klinicysty⁵³, jej głównymi zaletami są prostota, intuicyjne zastosowanie i łatwość użycia w rutynowej praktyce klinicznej.

Parametry laboratoryjne

Wiele rutynowo pomiarowych parametrów laboratoryjnych wykazało znaczenie prognostyczne w momencie rozpoczęcia dializ, w tym szacowany współczynnik filtracji kłębuszkowej (eGFR), albuminy w surowicy, hemoglobinę oraz wskaźniki adekwatności dializy, takie jak Kt/V⁵⁴^,⁵⁵^,⁵⁶. Wśród nich albuminy w surowicy i hemoglobina są łatwo dostępne markery odzwierciedlające stan żywieniowy, zapalny i funkcjonalny pacjenta. W retrospekcyjnej kohorcie osób starszych z PChN w stadiach 1–4, niższe poziomy albumin w surowicy były niezależnie związane z wyższą śmiertelnością z jakiejkolwiek przyczyny po skorygowaniu o wiek, płeć i funkcję nerek⁵⁵. Podobnie anemia w momencie rozpoczęcia dializ okazała się silnym predyktorem wczesnej śmiertelności, przy czym pacjenci rozpoczynający leczenie z poziomem hemoglobiny poniżej 10 g/dL wykazywali znacznie wyższą śmiertelność mimo późniejszej korekcji⁵⁶. Obserwacja ta sugeruje, że niska hemoglobina przy rozpoczynaniu dializ może odzwierciedlać przewlekły stan zapalny lub suboptimalną opiekę przeddializacyjną, a nie tylko odwracalną anemię. Wyższy eGFR w momencie rozpoczęcia dializ był również powiązany ze zwiększoną wczesną śmiertelnością, mimo że wydaje się to nieintuicyjne⁵⁴. Powiązanie to prawdopodobnie wynika z błędu wskazań (indication bias), w którym pacjenci z ciężkimi chorobami współistniejącymi lub w stanie ostrym rozpoczynają dializy wcześniej pomimo względnie zachowanej funkcji nerek. Może ono również odzwierciedlać skutki niedożywienia i zmniejszonej masy mięśniowej.

Autor / Rok	Typ narzędzia	Populacja badana	Cel / Horyzont prognostyczny	Główne zmienne	Zastosowanie kliniczne / Ograniczenia
Schmidt et al.⁶	Kliniczny model predykcyjny	PChN stopień 4–5 (bez dializ)	Śmiertelność w ciągu 12 miesięcy	Pytanie o zaskoczenie (Surprise Question), KPS, wiek	Prosty, zwalidowany model przydatny w podejmowaniu decyzji dotyczących rozpoczęcia dializ lub zachowawczego leczenia nerek.
Obi et al.⁹	Kliniczny model predykcyjny	35 878 weteranów z USA	Śmiertelność w ciągu 1 roku (eGFR <15 vs. ≥15 mL/min/1.73 m²)	Wiek, choroby współistniejące, eGFR, albuminy, nowotwór	Osobne modele w zależności od eGFR; kohorta z przewagą mężczyzn; nie uwzględnia wskaźników kruchości ani czynnościowych.
Couchoud et al.¹⁵	Kliniczny model predykcyjny	≥75 lat (Francja, REIN)	Śmiertelność w ciągu 3 miesięcy	Wiek, płeć, niewydolność serca (CHF), arytmia, choroba naczyniowa obwodowa, aktywny nowotwór, hipoalbuminemia, zależność funkcjonalna, zaburzenia behawioralne	Klasyfikuje pacjentów do grup niskiego, średniego i wysokiego ryzyka; szeroko stosowany u osób starszych z schyłkową niewydolnością nerek (ESKD).
Davison et al.¹⁸	Kliniczny model predykcyjny	Dializa otrzewnowa	Śmiertelność w ciągu 6–18 miesięcy	Zadaptowany model Cohena oraz Pytanie o zaskoczenie wypełnione przez personel pielęgniarski	Zwalidowany zewnętrznie w dializie otrzewnowej; zawyża śmiertelność u pacjentów wysokiego ryzyka; podkreśla rolę pielęgniarską i znaczenie oceny czynnościowej.
Dusseux et al.²⁴	Kliniczny model predykcyjny	Nowo rozpoczęta dializa, ≥70 lat (Francja, REIN)	Śmiertelność w ciągu 3 lat	Wiek, płeć, cukrzyca, choroby naczyniowo-sercowe (CVD), zależność, niskie BMI, cewnik tymczasowy	Zaprojektowany w celu identyfikacji kandydatów do kwalifikacji do przeszczepu nerek, a nie do rozpoczęcia dializ; umiarkowana dyskryminacja (statystyka c 0,71), dobra kalibracja, brak zewnętrznej walidacji poza Francją.
Thamer et al. ³⁹	Kliniczny model predykcyjny	≥67 lat, USA	Śmiertelność w ciągu 3 i 6 miesięcy	Modele kompleksowe i uproszczone (wiek, zależność, albuminy, nowotwór, CHF, hospitalizacja, pobyt w placówce opiekuńczej)	Uproszczona skala przyłóżkowa; nie uwzględnia miar jakości życia ani preferencji pacjenta.
Hemmelgarn et al.⁴⁰	Indeks chorób współistniejących	Utrzymująca się hemodializa (HD)	Śmiertelność ogólna	Choroby współistniejące (CHF, nowotwór, chłoniak, przerzuty)	Indeks ESKD przewyższa wskaźnik CCI. Wydajność dodatkowo wzrasta po połączeniu z uczeniem maszynowym (Noh et al.⁴³; AUC 0,8357).
Santos et al.⁴⁴	Kliniczny model predykcyjny	≥65 lat, Portugalia	Śmiertelność w ciągu 6 miesięcy od rozpoczęcia dializ	Wiek, choroba wieńcowa, udar z hemiplegią, niskie stężenie albumin, późne skierowanie do nefrologa	Wykazał wyższą skuteczność niż model Couchouda; wykluczono pacjentów nedializowanych i nie uwzględniono oceny kruchości.
Ivory et al.⁴⁵	Kliniczny model predykcyjny	Nowo rozpoczęta HD/PD, ≥15 lat (ANZDATA)	Śmiertelność w ciągu 6 miesięcy	Dwanaście zmiennych klinicznych (wiek, BMI, choroby współistniejące, cukrzyca, późne skierowanie)	Wykazał wyższą skuteczność niż modele Couchouda i Wagnera; zastosowanie może być ograniczone poza Australią i Nową Zelandią.
Puri et al.⁴⁸	Skala kruchości/funkcjonalna	Dorośli z PChN (wszystkie stadia, w tym dializowani)	Śmiertelność i hospitalizacja	FFP, CFS, zmodyfikowany FFP, skala FRAIL, indeks kruchości (Frailty Index)	FFP i CFS wykazały najsilniejszą wartość prognostyczną dla śmiertelności i hospitalizacji. Zmodyfikowany FFP jest praktyczną alternatywą, gdy testy wydolnościowe nie są możliwe; sama ocena kliniczna jest niewystarczająca.
Oki et al.⁵⁰	Skala kruchości/funkcjonalna	Pacjenci z nowo rozpoczętą HD/PD	Śmiertelność i hospitalizacja w ciągu 2 lat	CFS	Zastosowano retrospektywnie przez pielęgniarki; wykluczono przedłużone hospitalizacje; praktyczny do rutynowego użytku klinicznego.
Cohen et al.⁵²	Kliniczny model predykcyjny	Utrzymująca się hemodializa (HD)	Śmiertelność w ciągu 6 miesięcy	Wiek, otępienie, choroba naczyniowa obwodowa, albuminy, Pytanie o zaskoczenie	Łączy ocenę kliniczną ze zmiennymi obiektywnymi; wykazuje silną dyskryminację (AUC 0,80–0,87).
Javier et al.⁵³	Narzędzie subiektywnej oceny	≥60 lat, PChN stopień 4–5	Śmiertelność w ciągu 12 miesięcy	Pytanie o zaskoczenie (wersje trzy- i dwukategoryczne)	Przewiduje śmiertelność w ciągu 1 roku; wymaga wcześniejszej znajomości pacjenta; umiarkowana zgodność między oceniającymi i dobra niezawodność test-retest.
Sun et al.⁵⁵	Wskaźnik laboratoryjny	PChN stopień 1–4 (70% ≥65 lat)	Długoterminowa śmiertelność z wszystkich przyczyn	Albuminy w surowicy, wiek	Retrospektywna kohorta jednocentryczna (n = 201); przydatny jako marker uzupełniający, a nie samodzielny predyktor.
Wick et al. ⁵⁴	Kliniczny model predykcyjny	≥65 lat w momencie rozpoczęcia dializ	Śmiertelność w ciągu 6 miesięcy	Wiek ≥80 lat, eGFR ≥15 mL/min/1.73 m², wcześniejsza hospitalizacja, CHF, migotanie przedsionków (AF), nowotwór	Stratyfikuje krótkoterminowe ryzyko śmiertelności; eGFR ≥15 mL/min/1.73 m² może odzwierciedlać wczesne lub niezaplanowane rozpoczęcie dializ; dobra dyskryminacja (ROC 0,73).
Karaboyas et al.⁵⁶	Wskaźnik laboratoryjny	Międzynarodowa grupa pacjentów z nowo rozpoczętą HD (DOPPS)	Śmiertelność w ciągu 1 roku	Hemoglobina wyjściowa, dawki ESA i żelaza dożylnego (IV iron)	Wykazuje powiązanie w kształcie litery U z dawkowaniem żelaza; wyższa śmiertelność przy hemoglobinie <10 g/dL lub wyższych dawkach ESA; przydatny jako uzupełniający biomarker.
García-Montemayor et al.⁵⁷	Model uczenia maszynowego	Nowo rozpoczęta HD (Hiszpania)	Śmiertelność w ciągu 6–24 miesięcy	Piętnaście zmiennych klinicznych i laboratoryjnych (Random Forest)	Umiarkowana poprawa w stosunku do regresji logistycznej (ΔAUC 0,007–0,046); kreatynina, Kt/V i hemoglobina są istotnymi predyktorami wczesnej śmiertelności.
Sheng et al.⁵⁹	Model uczenia maszynowego	Nowo rozpoczęta HD (Chiny)	Śmiertelność w ciągu 1 roku	Wiek, eGFR, CRP, hemoglobina, choroby współistniejące (XGBoost)	AUC 0,83–0,85; zachowano 15 z 42 zmiennych kandydackich; wymaga zewnętrznej walidacji w zróżnicowanych populacjach.

Tabela 1: Narzędzia do prognozowania śmiertelności u pacjentów z zaawansowaną przewlekłą chorobą nerek i schyłkową niewydolnością nerek.Tabela ta podsumowuje zwalidowane narzędzia prognostyczne, oceny kruchości, markery laboratoryjne oraz modele uczenia maszynowego opracowane w celu oszacowania śmiertelności u pacjentów z zaawansowaną przewlekłą chorobą nerek (CKD) i schyłkową niewydolnością nerek (ESKD). Dla każdego badania w tabeli określono populację badawczą, horyzont prognostyczny, główne zmienne predykcyjne oraz kluczowe kwestie dotyczące zastosowania klinicznego, w tym mocne i słabe strony. Skróty: AF, migotanie przedsionków; AUC, pole pod krzywą charakterystyki operacyjnej odbiornika; BMI, wskaźnik masy ciała; CCI, wskaźnik chorób współistniejących Charlsona; CFS, skala klinicznej kruchości; CHF, zastoinowa niewydolność serca; CKD, przewlekła choroba nerek; CRP, białko C-reaktywne; CVD, choroby sercowo-naczyniowe; eGFR, szacunkowy współczynnik filtracji kłębuszkowej; ESA, czynnik stymulujący erytropoezę; ESKD, schyłkowa niewydolność nerek; FFP, fenotyp kruchości Frieda; HD, hemodializa; IV, dożylnie; KPS, skala sprawności Karnofsky'ego; PD, dializa otrzewnowa; REIN, Renal Epidemiology and Information Network; ROC, charakterystyka operacyjna odbiornika; US, Stany Zjednoczone; XGBoost, Extreme Gradient Boosting. Kliknij tutaj, aby pobrać tę tabelę.

Modele uczenia maszynowego do przewidywania śmiertelności

Algorytmy uczenia maszynowego (ML) są coraz częściej stosowane do przewidywania śmiertelności u pacjentów poddawanych dializom, a liczne badania wykazują lepszą dyskryminację tych modeli w porównaniu z tradycyjnymi modelami opartymi na regresji. Garcia-Montemayor et al.⁵⁷ zgłosili, że model lasów losowych (random forest) okazał się skuteczniejszy od regresji logistycznej w przewidywaniu śmiertelności w ciągu 6 miesięcy, 1 roku i 2 lat wśród pacjentów poddawanych hemodializie, przy wartości powierzchni pod krzywą charakterystyki operacyjnej odbiornika (AUC) w zakresie od 0,68 do 0,73 (Tabela 1). Yang et al.⁵⁸ zastosowali klasyfikator CatBoost u pacjentów poddawanych dializie otrzewnowej, osiągając AUC na poziomie 0,80 i wskazując wiek, masę ciała oraz albuminy w surowicy jako najbardziej wpływowe predyktory. Sheng et al.⁵⁹ opracowali i zwalidowali zewnętrznie model Extreme Gradient Boosting (XGBoost) do przewidywania śmiertelności w pierwszym roku w 97 ośrodkach nefrologicznych. Model osiągnął AUC na poziomie 0,83–0,85, znacząco przewyższając skuteczność wcześniej publikowanych modeli regresji (Tabela 1). Podobnie Koh et al.⁶⁰ wykazali, że model lasów losowych przewyższa uznane wskaźniki prognostyczne REIN i Wick w starszej kohorcie z Azji Południowo-Wschodniej, osiągając AUC wynoszące 0,83.

Pomimo tych obiecujących wyników, nadal istnieją istotne ograniczenia. Większość modeli ML została opracowana w oparciu o dane retrospektywne z kohort jednego ośrodka, z ograniczoną walidacją zewnętrzną i zmniejszoną interpretowalnością. Chociaż metody wyjaśniające, takie jak SHapley Additive exPlanations (SHAP), poprawiły przejrzystość modeli, interpretowalność pozostaje istotną barierą w rutynowym wdrożeniu klinicznym. Do tej pory żadne prospektywne badanie randomizowane nie oceniło, czy prognozowanie prowadzone za pomocą ML poprawia wyniki kliniczne lub jakość wspólnego podejmowania decyzji u pacjentów z CKD lub ESKD, co stanowi istotną lukę w dowodach.

Bariery we wdrażaniu narzędzi prognostycznych w praktyce klinicznej

Pomimo rosnącej dostępności narzędzi prognostycznych dla pacjentów z zaawansowaną CKD i ESKD, ich integracja z rutynową praktyką kliniczną pozostaje ograniczona. Badania ankietowe przeprowadzone wśród kanadyjskich nefrologów wykazały, że ponad 80% z nich opiera prognozowanie głównie na intuicji klinicznej, podczas gdy około 70% nigdy lub rzadko korzysta z formalnych narzędzi predykcyjnych⁶¹. Wśród zgłaszanych barier wymienia się obawy dotyczące stosowalności szacunków ryzyka opartych na populacji w odniesieniu do poszczególnych pacjentów, ograniczenia czasowe oraz niewielką znajomość dostępnych narzędzi i dowodów wspierających ich zastosowanie. Co istotne, specjaliści ochrony zdrowia konsekwentnie rozróżniali wartość narzędzi prognostycznych na poziomie populacyjnym od ich zastosowania u indywidualnych pacjentów, co podkreśla problem, którego sama walidacja zewnętrzna prawdopodobnie nie rozwiąże⁶².

Praktyczna implementacja wielu modeli prognostycznych jest dodatkowo ograniczona przez fakt, że niektóre publikacje nie dostarczają użytecznego formatu, takiego jak kompletne równanie regresji lub wynik ryzyka (risk score), co utrudnia rutynowe zastosowanie kliniczne⁶³. Ponadto tylko 26,7% opublikowanych modeli poddało się zewnętrznej walidacji, a formalne badania wpływu oceniające, czy narzędzia prognostyczne poprawiają wspólne podejmowanie decyzji lub wyniki pacjentów, pozostają rzadkością⁶³. W rzeczywistości adopcja narzędzi prognostycznych w nefrologii pozostaje zatem na niskim poziomie, co może odzwierciedlać ograniczoną pewność klinicystów, brak doświadczenia oraz niepewność co do ich użyteczności klinicznej w poprawie wyników pacjentów⁶⁴.

Zniwelowanie tej luki w implementacji będzie wymagało wysiłków wykraczających poza opracowanie i walidację nowych modeli prognostycznych. Integracja narzędzi prognostycznych z elektroniczną dokumentacją medyczną może zredukować bariery związane z czasem, dostępnością i organizacją pracy, które są regularnie wskazywane przez klinicystów⁶². Ponadto, szkolenie nefrologów w zakresie efektywnego przekazywania probabilistycznych informacji o ryzyku podczas rozmów o ciężkim stanie pacjenta, zamiast prostego przedstawiania szacunków liczbowych, może być równie istotne, co dalsze poprawianie dokładności modeli⁶²^,⁶⁵.

Ograniczenia

Należy odnotować kilka ograniczeń istniejącej literatury. Większość modeli prognostycznych⁹^,²⁶^,³⁹^,⁴⁵^,⁵⁵^,⁶⁶ została opracowana na podstawie kohort ograniczonych geograficznie, a ich możliwość zastosowania w innych warunkach opieki zdrowotnej pozostaje niepewna. Chociaż niektóre narzędzia zostały opracowane specjalnie dla osób starszych, wiele zwalidowanych modeli obejmuje młodsze populacje pacjentów dializowanych, a dedykowane narzędzia prognostyczne dla kruchych osób starszych pozostają ograniczone. Obecna literatura jest również silnie zorientowana na kohorty hemodializy, podczas gdy zwalidowane modele prognostyczne dla pacjentów poddawanych dializie otrzewnowej są rzadkością, a praca Davisona et al.¹⁸ stanowi jeden z niewielu dostępnych przykładów. Modele uczenia maszynowego, mimo że obiecujące, nie zostały jeszcze ocenione w prospektywnych badaniach klinicznych, a żadne z obecnie dostępnych narzędzi prognostycznych nie wykazało w badaniu z randomizacją, że jego zastosowanie poprawia jakość wspólnego podejmowania decyzji lub wyniki leczenia pacjentów.

Przyszłe badania powinny priorytetowo traktować opracowanie i zewnętrzną walidację modeli prognostycznych w różnych populacjach i dla różnych metod dializy, prospektywną ocenę opieki kierowanej przez prognozowanie oraz integrację preferencji zgłaszanych przez pacjentów z ramami klinicznej oceny ryzyka.

Wnioski

Prognozowanie jest istotnym elementem wspólnego podejmowania decyzji. Nefrolodzy powinni przekazywać informacje prognostyczne w sposób dokładny i skoncentrowany na pacjencie, aby pomóc w dostosowaniu proponowanych metod leczenia do wartości i preferencji pacjentów. Narzędzia prognostyczne, w tym modele przewidywania ryzyka, mogą pomóc nefrologom w dostarczaniu bardziej szczegółowych ocen ryzyka. Narzędzia te mogą ułatwić wczesną identyfikację osób, które mogłyby odnieść korzyść z kompleksowej oceny geriatrycznej, planowania opieki nad pacjentem w stanach terminalnych lub, w wybranych przypadkach, z mniej inwazyjnych alternatyw terapeutycznych lub opieki paliatywnej²⁶. I odwrotnie, mogą one pomóc zidentyfikować pacjentów z korzystnymi rokowaniami, dla których korzystne może być proaktywne planowanie dostępu naczyniowego lub kwalifikacja do przeszczepu. Dostępne narzędzia prognostyczne obejmują zakres od szybkich ocen subiektywnych, takich jak pytanie o zaskoczenie (Surprise Question), po złożone modele wieloczynnikowe. Modele te mogą być jednak nieprzydatne dla wszystkich populacji i powinny być stosowane wyłącznie w odpowiednich kontekstach klinicznych. Specjaliści opieki zdrowotnej powinni zatem stosować podejście multimodalne, łączące parametry laboratoryjne, schorzenia współistniejące, skale oceny funkcjonalnej i ocenę kliniczną, aby opracować szacunki prognostyczne, które nie będą nadmiernie redukcjonistyczne. Modele opracowane przez Cohen et al.⁵², Schmidt et al.⁶ oraz Couchoud et al.²⁶ (Tabela 1) mogą być szczególnie przydatne, ponieważ dostępne są opublikowane kalkulatory ryzyka, które można szybko zastosować w praktyce klinicznej. Modele opracowane przez Cohen et al.⁵² oraz Schmidt et al.⁶ łączą ocenę kliniczną z parametrami obiektywnymi, co pozwala na bardziej holistyczną ocenę. Równie istotny jest sposób przekazywania informacji prognostycznych. Informacje powinny być prezentowane w języku przystępnym dla pacjentów, z uwzględnieniem ich gotowości do rozmowy o śmiertelności. Szacunki prognostyczne powinny prowadzić rozmowę i kontekstualizować potencjalne korzyści i ograniczenia leczenia; klinicyści powinni unikać prezentowania absolutnych szacunków ryzyka bez odpowiedniego wyjaśnienia. Ustrukturyzowane ramy komunikacji, takie jak narzędzie Najlepszy Przypadek/Najgorszy Przypadek (Best Case/Worst Case), wykorzystują planowanie scenariuszy i pomoce graficzne do opisania najlepszych, najbardziej prawdopodobnych i najgorszych wyników każdej opcji leczenia. Takie podejścia mogą pomóc nefrologom wyjść poza izolowane szacunki statystyczne i wesprzeć pacjentów oraz ich rodziny w podejmowaniu decyzji terapeutycznych odzwierciedlających ich cele i wartości¹⁶^,⁶⁷. Przyszłe prace powinny skupić się na walidacji narzędzi prognostycznych w zróżnicowanych populacjach oraz ocenie, czy ich stosowanie poprawia proces wspólnego podejmowania decyzji i wyniki zorientowane na pacjenta.

Oświadczenia

Autorzy oświadczają, że nie mają żadnych konkurencyjnych interesów finansowych ani konfliktów interesów. Ponadto autorzy wykorzystali narzędzie do generowania obrazów OpenAI w celu stworzenia wstępnej wersji Rysunku 1. Rysunek został następnie sprawdzony, poprawiony i zatwierdzony przez autorów, którzy biorą pełną odpowiedzialność za jego treść naukową i dokładność kliniczną.

Bibliografia

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

Przedruki i uprawnienia

Tagi

Ocena prognostyczna narz dzia prognostyczne wska nik wsp chorobowo ci Charlsona pytanie o zaskoczenie wielowymiarowe modele predykcyjne predykcja oparta na uczeniu maszynowym stan funkcjonalny planowanie opieki nad pacjentem w stanach terminalnych wsp lne podejmowanie decyzji