Обзорная статья

Прогнозирование при терминальной стадии заболевания почек: инструменты, доказательства и клиническое применение

90 просмотров

⸱

DOI:

10.3791/70058

⸱

18 августа 2026 г.

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

В этой статье

Краткое содержание

В данном обзоре обобщены прогностические инструменты для терминальной стадии почечной недостаточности, особое внимание уделяется их применению в оценке риска смертности, совместном принятии решений, консервативном ведении пациентов с заболеваниями почек и индивидуальном планировании лечения для пожилых людей.

Аннотация

Прогнозирование при терминальной стадии почечной недостаточности имеет фундаментальное значение для персонализированного ухода и совместного принятия решений. В данном обзоре обобщены современные данные о прогностической оценке у пожилых людей с терминальной стадией почечной недостаточности, рассматривающих возможность диализа или консервативной терапии почек. В работе рассматривается обоснование прогнозирования, а также анализируются основные клинические, функциональные и лабораторные предикторы смертности, включая бремя сопутствующих заболеваний, старческую астению, функциональный статус и биохимические параметры. В обзоре обсуждаются валидированные инструменты прогнозирования, в том числе индекс коморбидности Чарлсона, «вопрос-сюрприз» (Surprise Question) и многофакторные модели прогнозирования, а также перспективные подходы на основе машинного обучения для индивидуального прогнозирования рисков. Также исследуется влияние функционального снижения, госпитализации и ограниченной выживаемости на решения о лечении, и подчеркивается роль прогностической информации в предварительном планировании медицинской помощи и обеспечении ухода, соответствующего целям пациента. Кроме того, в обзоре обсуждаются аспекты сообщения прогноза и практические трудности, связанные с внедрением инструментов прогнозирования в повседневную нефрологическую практику. Благодаря интеграции доказательной прогностической оценки с индивидуальным клиническим обследованием и ценностями пациента, прогнозирование может способствовать принятию обоснованных решений о лечении и облегчить персонализированный уход за пожилыми людьми с терминальной стадией почечной недостаточности.

Введение

По оценкам, хроническая болезнь почек (ХБП) затрагивает 843,6 миллиона человек во всем мире, при этом более 2 миллионов человек живут с терминальной стадией почечной недостаточности (ТСПН)1,2,3,4,5. Пожилые люди подвержены повышенному риску развития тяжелых стадий заболевания почек, особенно те, кто страдает сердечно-сосудистыми заболеваниями и другими сопутствующими патологиями. Несмотря на значительные успехи в медицинской терапии, ТСПН по-прежнему сопряжена с существенным риском летальности и заболеваемости1,4.

Важным аспектом лечения ХБП является заблаговременное планирование медицинской помощи на случай возможного прогрессирования заболевания до терминальной стадии почечной недостаточности (ТСПН). Трансплантация почки является предпочтительным методом заместительной почечной терапии, так как она обеспечивает наилучшие результаты с точки зрения выживаемости и качества жизни. Однако трансплантация может быть недоступна пациентам без подходящего донора, а также может быть противопоказана лицам с высоким хирургическим или медицинским риском, старческой астенией или ограниченной ожидаемой продолжительностью жизни. Это часто случается с пожилыми пациентами, которые могут столкнуться с неопределенностью будущего и трудным выбором между началом пожизненного диализа (на дому или в клинике) и выбором консервативного лечения, направленного на контроль симптомов, при понимании того, что такой подход может сократить продолжительность жизни. Врачи несут клиническую, этическую и юридическую ответственность за обеспечение индивидуального, пациентоцентрированного подхода, признавая, что в некоторых обстоятельствах диализ может усилить страдания, не обязательно продлевая жизнь6.

В данном контексте предварительное планирование медицинской помощи является важным инструментом поддержки пациентов, их семей и медицинских работников, позволяющим привести будущие решения в соответствие с ценностями и пожеланиями каждого человека, а также с меняющимися клиническими обстоятельствами6. Пациенты и их семьи способны делать более обоснованный выбор, соответствующий их ценностям и предпочтениям, если они получают четкую и исчерпывающую информацию о преимуществах и рисках диализа. Их следует приглашать и стимулировать к участию в процессе совместного принятия решений. Хотя диализ может увеличить выживаемость и облегчить симптомы, его преимущества могут быть скромными для пожилых и ослабленных пациентов, а лечение может быть связано со значительным снижением автономности и качества жизни7. Таким образом, прогнозирование является ключевым компонентом обучения пациентов и совместного принятия решений. Чтобы оценить компромисс между выживаемостью и качеством жизни, пациентам необходимо понимать потенциальную пользу начала диализа для выживания и то, как лечение может повлиять на качество их жизни.

В данном обзоре обсуждаются основные особенности стратегий и инструментов, используемых для оценки прогноза у пациентов, рассматривающих возможность начала или уже приступивших к диализу. Также рассматривается, как эти подходы могут помочь медицинским специалистам по лечению заболеваний почек, пациентам и их семьям в принятии совместных решений о вариантах лечения и путях оказания помощи при ТХПН (Рисунок 1).

Схема пациент-центрированного пути прогнозирования для принятия решений при лечении ХБП/ТХБП, демонстрирующая этапы оценки и принятия решений.
Рисунок 1Персонализированный путь прогнозирования при терминальной стадии хронической болезни почек (ХБП) и терминальной почечной недостаточности (ТПН). На схеме обобщены этапы комплексного обследования пациента, мультимодальной прогностической оценки, сообщения прогноза и совместного принятия решений, выбора метода лечения и последующего повторного обследования для обеспечения персонализированного медицинского ухода. Верхние индексы соответствуют источникам, приведенным в тексте статьи. Рисунок был создан с помощью инструмента генерации изображений OpenAI и впоследствии проверен и одобрен авторами на предмет научной и клинической точности. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Обзор и перспектива

Значение прогнозирования при хронической болезни почек

Понимание прогноза и ожидаемого течения прогрессирования заболевания может существенно повлиять на терапевтические цели и жизненные решения. Это понимание необходимо для оказания персонализированной помощи, содействия совместному принятию решений и облегчения предварительного планирования медицинской помощи. Однако исследования с участием онкологических больных и пожилых людей показали, что медицинские работники редко сообщают прогностическую информацию, в то время как пациенты часто сохраняют чрезмерно оптимистичные ожидания относительно будущего8.

Прогностическая оценка является центральным компонентом обсуждений между пациентами и врачами, так как информация об ожидаемой продолжительности жизни часто запрашивается при принятии решения о начале диализа. Личные, культурные и религиозные предпочтения и ценности также играют важную роль в том, выбирает ли человек диализ для продления жизни6. Модель прогнозирования риска, предсказывающая раннюю смертность, может помочь персонализировать лечение и поддержать процесс совместного принятия решений между медицинскими работниками, людьми с заболеваниями почек и членами их семей9. Это особенно важно для пациентов, рассматривающих возможность применения более консервативных методов лечения. Консервативная терапия заболеваний почек (CKC), которая предполагает продолжение активного медицинского лечения, контроль симптомов и многопрофильную поддержку без начала диализа, все чаще признается международными рекомендациями как полноценный путь лечения, а не вариант по умолчанию для пациентов, которые не являются кандидатами на заместительную почечную терапию10. Было показано, что диализ в целом обеспечивает более длительную медианную выживаемость, чем CKC (3,1 против 1,5 лет с момента принятия решения о лечении); однако это преимущество в выживаемости исчезает у пациентов в возрасте 80 лет и старше (P = 0,08) и существенно снижается у лиц с тяжелой сердечно-сосудистой коморбидностью11,12. Помимо показателей смертности, частота госпитализаций была значительно ниже среди пациентов, получавших CKC (отношение показателей заболеваемости 0,40; 95% доверительный интервал [CI] 0,32–0,49)13.

CKC также связывают с улучшением качества жизни, снижением выраженности симптомов и более высокой вероятностью смерти дома, а не в стационаре12. Эти результаты свидетельствуют в пользу перспективной интеграции CKC в соответствии с траекторией уязвимости пациента, а не только в качестве резервного варианта лечения. Прогностическая оценка может помочь выявить лиц, которые с наибольшей вероятностью извлекут пользу из данной философии лечения. Например, если пациенту прогнозируется высокий риск смерти в течение первого года после начала диализа, подходящими вариантами для рассмотрения могут стать CKC или модифицированные стратегии диализа9. Jassal et al. предложили пути оказания диализной помощи с учетом старческой астении, которые позволяют адаптировать интенсивность лечения, диетические ограничения и поддержку на дому в зависимости от статуса астении, при этом периодическая переоценка позволяет осуществлять двусторонние переходы по мере изменения состояния пациента14.

Инструменты прогнозирования, вероятно, помогут медицинским работникам в консультировании пациентов и их семей при принятии решений относительно лечения ТХПН15,16. Хотя международные рекомендации настоятельно советуют сообщать прогноз пациентам17,18,19, а данные свидетельствуют о том, что большинство пациентов желают получать прогностическую информацию20,21,22, эта практика не была последовательно внедрена в рутинную клиническую помощь. Эффективному сообщению прогноза препятствует несколько барьеров. Нефрологам может не хватать инструментов, обеспечивающих точную индивидуализированную оценку рисков, и они могут испытывать дискомфорт при обсуждении прогноза из-за опасений по поводу его потенциального эмоционального воздействия на пациентов. Исследования также показали, что пациенты в целом предпочитают более широкие обсуждения прогноза, а не прогнозы, выраженные исключительно в виде расчетного времени выживаемости23. Кроме того, многие прогностические модели трудно внедрить в рутинную клиническую практику, поскольку они не имеют внешней валидации, и относительно немногие из них были разработаны с использованием когорт, включающих пациентов, получающих перитонеальный диализ. Помимо прогнозирования ранней смертности, Dusseux et al. разработали шкалу 3-летней смертности для пожилых французских пациентов, получающих диализ (в возрасте ≥70 лет), чтобы выявить кандидатов, которым может быть показана трансплантация почки, продемонстрировав, что прогностические инструменты имеют применение и за пределами первоначального решения о начале диализа (Таблица 1)24.

Общая смертность среди пожилых людей с терминальной стадией почечной недостаточности

Ожидаемая продолжительность жизни пожилых людей с ТХПН, получающих диализ, остается существенно ниже, чем в общей популяции. Согласно данным Системы ренальных данных США (USRDS, 2024)4, 5-летняя выживаемость среди взрослых в возрасте 65–74 лет составляет 35,6% по сравнению с 23,8% среди лиц в возрасте 75 лет и старше, при этом за последнее десятилетие наблюдались лишь незначительные улучшения. При анализе по методу диализа результаты оказываются сопоставимыми. При гемодиализе (ГД) 5-летняя выживаемость остается на уровне примерно 34%, тогда как при перитонеальном диализе (ПД) она варьирует от 22% до 35% в зависимости от возраста.

Последние данные USRDS также указывают на то, что в 2022 году расчетная ожидаемая продолжительность оставшейся жизни для людей, получающих диализ, составляла примерно 4,6 года для женщин и 4,5 года для мужчин в возрасте 65–69 лет. Этот показатель снизился до 3,5 лет для женщин и 3,3 лет для мужчин в возрасте 75–79 лет. Напротив, реципиенты почечного трансплантата в этих возрастных группах могут рассчитывать на дополнительные 7–11 лет жизни, в то время как ожидаемая продолжительность оставшейся жизни для лиц из общей популяции составляет примерно 16–18 лет. Несмотря на технологический прогресс и улучшение критериев отбора кандидатов, эти данные подтверждают, что прирост долголетия, связанный с диализом, остается ограниченным4.

Хотя современные данные свидетельствуют о стабилизации показателей выживаемости, аналогичные прогностические закономерности сообщались и ранее. В популяционном анализе более 350 000 взрослых в возрасте 65 лет и старше в Соединенных Штатах Kurella et al.25 отметили, что ожидаемая продолжительность жизни после начала диализа прогрессивно снижается с увеличением возраста. Медиана выживаемости (50-й процентиль) сократилась с 2,5 лет среди взрослых в возрасте 65–69 лет до 0,6 лет среди лиц в возрасте 90 лет и старше. Аналогичным образом, 75-й процентиль снизился с 4,6 лет до 1,7 лет, в то время как 25-й процентиль уменьшился с 0,9 лет до 0,2 лет в тех же возрастных группах. Столь значительная вариабельность иллюстрирует существенную прогностическую гетерогенность среди лиц одного возраста и подчеркивает, что один лишь хронологический возраст не определяет прогноз. Риск смертности наиболее высок в ранний период после начала диализа. Среди взрослых, начинающих диализ в возрасте старше 75 лет, вероятность выживания составляет 71% через 1 год и 54% через 2 года в Европе, по сравнению с 59% и 43% соответственно в Соединенных Штатах. Более 10% пациентов умирают в течение первых 3 месяцев после начала диализа26.

Несмотря на эти эпидемиологические данные, представления пациентов о прогнозе часто существенно отличаются от наблюдаемых показателей выживаемости. В когорте из 993 пациентов, находящихся на диализе, только 11,2% ожидали, что проживут менее 5 лет, в то время как 33,0% рассчитывали прожить более 10 лет, несмотря на данные USRDS, указывающие на то, что 60,3% умерли в течение 5 лет. Пациенты, ожидавшие более длительного выживания, значительно реже фиксировали предпочтения в лечении или отдавали приоритет паллиативной помощи, направленной на комфорт, и чаще выбирали сердечно-легочную реанимацию (скорректированное отношение шансов [aOR], 5,3) или искусственную вентиляцию легких (aOR, 2,2), чем пациенты с более реалистичными ожиданиями в отношении выживаемости8.

Медицинская заболеваемость и госпитализация пожилых людей с терминальной стадией почечной недостаточности

Пожилые люди, начинающие заместительную почечную терапию, имеют высокую степень сопутствующих заболеваний и острые клинические состояния, которые напрямую влияют на прогноз. Согласно данным USRDS (2024)4, в 2022 году у 59% новых пациентов с ТХПН имелся сахарный диабет, у 25% — сердечная недостаточность, а у 17%–28% — различные формы сердечно-сосудистых заболеваний. В том же отчете были представлены скорректированные показатели госпитализации по всем причинам: 1,37 и 1,42 случая на человеко-год среди лиц в возрасте 65–74 лет и ≥75 лет соответственно, получающих ПД, по сравнению с 1,46 и 1,49 случаями на человеко-год среди лиц, получающих ГД4.

Пожилые люди, начинающие диализ, часто страдают от мультиморбидности, что существенно влияет на их клиническое течение. Коморбидность также оказывает глубокое воздействие на исходы для здоровья и выживаемость пациентов с 5-й стадией ХБП. В многочисленных исследованиях сообщалось об отсутствии значимых различий в выживаемости между пациентами, выбравшими диализ, и теми, кто получал консервативную терапию. Этот результат, вероятно, отражает высокий конкурирующий риск смерти до прогрессирования до ТХПН, наряду с ограниченным преимуществом в выживаемости, связанным с диализотерапией27,28.

В когорте из 391 бенефициара программы Medicare из Соединенных Штатов в возрасте ≥65,5 лет почти у двух третей наблюдалось четыре и более хронических заболеваний, а 73% начали диализ во время госпитализации. Оба фактора были независимо связаны с показателем однолетней смертности, превышающим 50%29. Аналогичным образом, исследование национального реестра, охватившее 28 049 взрослых в возрасте ≥67 лет, показало, что пациенты старше 80 лет проводили в среднем 67 дней в больницах или учреждениях по уходу в течение первого года после начала диализа, при этом наибольшее использование ресурсов здравоохранения наблюдалось у лиц с деменцией или сердечно-сосудистыми заболеваниями30.

Помимо высокой распространенности коморбидности, ранний период после начала диализа характеризуется повторными госпитализациями, инфекциями и снижением функционального состояния. В европейской когорте из более чем 10 000 человек, начавших диализ в 2017 году, 82,8% перенесли как минимум одну госпитализацию и 33,8% скончались в течение первого года, что подчеркивает значительное бремя ранних осложнений31. Госпитализации, связанные с инфекциями, остаются ведущей причиной заболеваемости, составляя примерно одну треть всех случаев госпитализации и затрагивая почти половину пожилых пациентов в ходе последующего наблюдения. Сахарный диабет, сердечная недостаточность и гипоальбуминемия входят в число основных факторов риска таких госпитализаций32.

Снижение функциональных возможностей у пожилых людей при начале диализа

Функциональная немощность и зависимость от посторонней помощи дополнительно повышают риски, связанные с началом диализа у пожилых людей. Среди пожилых пациентов, получающих ГД, 46% были классифицированы как немощные, 55% страдали от недоедания, а 21% были зависимы в основных аспектах повседневной деятельности33. Снижение функциональных возможностей после начала диализа встречается часто и имеет важные клинические последствия.

В знаковом исследовании Tamura et al.34, в котором приняли участие более 3 700 жителей домов престарелых в США, показатель Minimum Data Set–Activities of Daily Living (MDS-ADL) — стандартизированный метод оценки зависимости в базовых аспектах самообслуживания, основанный на Minimum Data Set, используемом в учреждениях длительного ухода35, — увеличился с медианы 12 до начала диализа до 16 после его начала. Через 3 месяца лишь 39% участников сохранили исходный функциональный статус. Через 1 год 58% умерли, и только 13% сохранили прежний уровень функционирования. Аналогично, Jassal et al.36 сообщили, что среди взрослых в возрасте 80 лет и старше более 30% утратили независимость в течение первых 6 месяцев после начала диализа. Ни метод диализа (ГД против ПД), ни условия начала диализа (стационарные против амбулаторных) не были связаны с последующим снижением функциональных возможностей36.

Более современные данные свидетельствуют о том, что такая же закономерность наблюдается и среди пожилых людей, проживающих вне стационара. В когортном исследовании Goto et al. из Нидерландов37 у 40% взрослых в возрасте 65 лет и старше наблюдалось ухудшение функционального состояния в течение первых 6 месяцев после начала диализа, при этом наибольший риск был выявлен у пожилых и ослабленных лиц. Кроме того, у 79% участников на исходном этапе имелась функциональная зависимость в той или иной степени, а нагрузка на лиц, осуществляющих уход, увеличилась с 23% до 38% в ходе последующего наблюдения37.

Международные исследования последовательно демонстрируют, что функциональная зависимость связана с худшими исходами. В исследовании «Dialysis Outcomes and Practice Patterns Study», опубликованном в 2016 году, было обнаружено, что тяжелая функциональная зависимость (функциональный балл <8/13) была связана с повышением риска смертности в 2,37 раза, независимо от возраста и сопутствующих заболеваний38. Pereira et al.33 также сообщили о высоких показателях старческой астении и функциональной зависимости среди взрослых в возрасте 75 лет и старше, получающих ГД, наряду с частой усталостью после диализа. Эти результаты подтверждают важность комплексной гериатрической оценки и раннего внедрения стратегий реабилитации и поддерживающего ухода с самого начала проведения диализа.

Разработка прогностических инструментов для предсказания смертности в популяциях пациентов с ХБП и ТХПН

Хотя данные о смертности на уровне популяции дают общее представление о потенциальной пользе диализа для пожилых людей, они не позволяют получить индивидуальные прогнозы. Для обеспечения более персонализированной прогностической оценки исследователи из разных стран разработали инструменты прогнозирования риска для пациентов с CKD и тех, у кого заболевание прогрессирует до ESKD. Эти инструменты существенно различаются как по своей структуре, так и по предполагаемому клиническому применению. Некоторые из них опираются на единую субъективную клиническую оценку, в то время как другие включают стандартные лабораторные параметры, структурированные индексы коморбидности, а также многофакторные модели или модели машинного обучения, требующие специализированной инфраструктуры данных. Такая неоднородность имеет важные практические последствия, поскольку инструменты, наиболее подходящие для использования в условиях загруженного амбулаторного приема, не обязательно обладают наилучшими прогностическими показателями.

Влияние коморбидности на выживаемость при диализе

Бремя коморбидности является общепризнанным определяющим фактором ранней смертности и госпитализации среди пожилых людей, начинающих диализ, и несколько групп исследователей преобразовали этот риск в прогностические модели с хорошей предсказательной способностью и клинической применимостью. Определенные сопутствующие заболевания включены в большинство моделей прогнозирования, в частности сосудистые заболевания, особенно облитерирующий эндартериит периферических сосудов, и когнитивные расстройства, такие как деменция. Другие распространенные состояния, включая застойную сердечную недостаточность (ЗСН), демонстрируют различную прогностическую эффективность в разных моделях. Тяжелые заболевания, представляющие угрозу для жизни, включая активный или метастатический рак, а также другие заболевания органов-мишеней, такие как печеночная дисфункция и дыхательная недостаточность, включены в некоторые прогностические модели26,39.

Среди инструментов для оценки мультиморбидности индекс коморбидности Чарлсона (CCI) остается одним из наиболее широко используемых. В ходе адаптации этого индекса для пациентов с ТХПН Hemmelgarn et al.40 подтвердили валидность оригинального CCI и продемонстрировали более высокую эффективность индекса коморбидности при ТХПН (Таблица 1). В рамках CCI наибольший вес имеют метастатическое заболевание, лимфома и ХСН, что подчеркивает: на риск смертности больше влияет общее бремя коморбидности, чем один лишь хронологический возраст. Валидность CCI была впоследствии подтверждена в нескольких независимых исследованиях41,42,43,44. Хотя включение большего количества сопутствующих заболеваний может повысить точность прогнозирования, это также усложняет внедрение таких моделей в рутинную клиническую практику.

Различия в прогностической эффективности различных моделей, вероятно, отражают вариативность популяций, на основе которых они были разработаны. Большинство моделей были созданы в пределах одного географического региона и не прошли внешнюю валидацию45. Кроме того, на эффективность моделей может влиять систематическая ошибка отбора, так как пациентам с терминальными стадиями заболеваний, такими как метастатический рак, или лицам с очень ограниченной ожидаемой продолжительностью жизни диализ может не предлагаться, вследствие чего они могут быть недостаточно представлены в популяциях, использованных для разработки этих моделей. Эту потенциальную ошибку показаний следует учитывать при интерпретации и применении прогностических оценок в клинической практике.

Использование функциональных шкал и вопроса-сюрприза

Хрупкость признана независимым предиктором смертности и госпитализации среди пожилых людей с ХБП. Хрупкость часто встречается в данной популяции. Gimena-Muñoz et al.46 сообщили о распространенности хрупкости на уровне 27% среди лиц с терминальной стадией ХБП, используя фенотип хрупкости по Фриду для определения статуса хрупкости. Они также определили сахарный диабет 2 типа и анемию как независимые предикторы хрупкости. Кроме того, хрупкость может значительно повышать риск развития ХБП47.

В систематическом обзоре и метаанализе, проведенном Puri et al.48, который охватил 105 исследований с участием пациентов с терминальной стадией ХБП, было установлено, что старческая астения (frailty), оцененная с помощью фенотипа старческой астении по Фриду или Клинической шкалы хрупкости Роквуда (CFS), была связана с двукратным увеличением риска смертности по сравнению с пациентами без признаков астении (Таблица 1). Астения также удваивала риск госпитализации, что подтверждает ее прогностическую значимость независимо от хронологического возраста и коморбидности. Эти результаты подчеркивают важность включения оценки старческой астении в рутинную стратификацию рисков в нефрологической практике.

В соответствии с этими данными, Kennard et al.49 сообщили, что старческая астения (frailty) связана с двух-шестикратным увеличением риска смертности, госпитализации и прогрессирования до стадии диализа у лиц с терминальной стадией ХБП. Старческая астения у пациентов, получающих диализ, также сопряжена с частыми осложнениями50, включая инфекции, сердечно-сосудистые события, несостоятельность сосудистого доступа, длительное восстановление после диализа и снижение приверженности лечению. У пожилых людей эти осложнения способствуют увеличению бремени болезни, усилению функциональной зависимости и более частому обращению за медицинской помощью. Старческая астения остается сильным предиктором заболеваемости и смертности у пациентов с ХБП, в том числе получающих заместительную почечную терапию и находящихся на консервативном лечении, даже после поправки на хронологический возраст и мультиморбидность51. Интеграция шкал функциональной оценки с объективными клиническими параметрами может дополнительно повысить прогностическую эффективность инструментов оценки риска развития ТХПН6,26.

Несколько прогностических моделей для ХБП и ТХП включают в себя «Вопрос-сюрприз» (SQ), который звучит так: «Удивились бы вы, если бы этот пациент умер в течение следующих 12 месяцев?» К таким моделям относятся разработанные Cohen et al.52, Schmidt et al.6 и Javier et al.53 (Таблица 1). SQ отражает общую клиническую оценку состояния здоровья пациента специалистом здравоохранения и может рассматриваться как мера клинического гештальта. В проспективном многоцентровом исследовании Schmidt et al.6 разработали прогностическую модель, включающую три независимых предиктора: отрицательный ответ на SQ (отношение шансов [OR], 3,29), средний или низкий индекс Карновского (KPS) (OR 2,09 для KPS 50–70; OR 4,69 для KPS ≤40) и увеличение возраста (OR 1,41 на каждое дополнительное десятилетие). Модель продемонстрировала хорошие прогностические показатели и подчеркнула ценность сочетания клинического суждения с объективной функциональной оценкой для прогнозирования неблагоприятных исходов при запущенной ХБП (Таблица 1)6.

Хавьер и др.53 оценили SQ в проспективном исследовании 388 взрослых пациентов в возрасте 60 лет и старше с ХБП 4–5 стадии, не получающих диализ (Таблица 1). Они использовали версию SQ с тремя категориями («Да»/«Неопределенно»/«Нет»), которая продемонстрировала четкий градиент риска смертности: 5% для ответа «Да», 15% для «Неопределенно» и 27% для «Нет» (P < 0.001). Бинарная версия SQ повысила чувствительность (66%), но снизила специфичность (68%). Хотя интерпретация SQ по своей сути субъективна и может варьироваться в зависимости от клинициста53, ее основными преимуществами являются простота, интуитивность применения и легкость использования в рутинной клинической практике.

Лабораторные параметры

Ряд регулярно измеряемых лабораторных параметров продемонстрировали прогностическую значимость на момент начала диализа, включая расчетную скорость клубочковой фильтрации (рСКФ), уровень альбумина сыворотки, гемоглобина и индексы адекватности диализа, такие как Kt/V54,55,56. Среди них альбумин сыворотки и гемоглобин являются легкодоступными маркерами, отражающими нутритивный, воспалительный и функциональный статус пациента. В ретроспективной когорте пожилых людей с ХБП 1–4 стадий более низкие уровни альбумина сыворотки были независимо связаны с более высокой общей смертностью после корректировки по возрасту, полу и функции почек55. Аналогично, анемия на момент начала диализа оказалась сильным предиктором ранней смертности: у пациентов, начинающих лечение с уровнем гемоглобина ниже 10 g/dL, наблюдалась существенно более высокая смертность, несмотря на последующую коррекцию56. Это наблюдение позволяет предположить, что низкий уровень гемоглобина при начале диализа может отражать хроническое воспаление или неоптимальный преддиализный уход, а не просто обратимую анемию. Более высокая рСКФ на момент начала диализа также была связана с повышенной ранней смертностью, несмотря на кажущуюся контринтуитивность этого факта54. Эта взаимосвязь, вероятно, отражает систематическую ошибку отбора по показаниям (indication bias), когда пациенты с тяжелыми сопутствующими заболеваниями или острыми состояниями начинают диализ раньше, несмотря на относительно сохранную функцию почек. Это также может отражать влияние недоедания и снижения мышечной массы.

Автор / ГодТип инструментаПопуляция исследованияЦель / Прогностический горизонтОсновные переменныеКлиническая применимость / Ограничения
Schmidt et al.6Клиническая прогностическая модельХБП 4–5 стадии (без диализа)12-месячная смертность«Вопрос-сюрприз» (Surprise Question), KPS, возрастПростая валидированная модель, полезная для принятия решений о начале диализа или консервативном лечении заболеваний почек.
Obi et al.9Клиническая прогностическая модель35 878 ветеранов США1-летняя смертность (рСКФ <15 против ≥15 mL/min/1.73 m²)Возраст, сопутствующие заболевания, рСКФ, альбумин, ракРаздельные модели на основе рСКФ; преимущественно мужская когорта; не включает показатели старческого старения (frailty) или функциональные показатели.
Couchoud et al.15Клиническая прогностическая модель≥75 лет (Франция, REIN)3-месячная смертностьВозраст, пол, ХСН, аритмия, заболевание периферических сосудов, активный рак, гипоальбуминемия, функциональная зависимость, поведенческие расстройстваКлассифицирует пациентов на группы низкого, промежуточного и высокого риска; широко применима для пожилых людей с ТХПН.
Davison et al.18Клиническая прогностическая модельПеритонеальный диализ6–18-месячная смертностьАдаптированная модель Коэна плюс «Вопрос-сюрприз», заполненный средним медперсоналомВнешне валидирована для ПД; переоценивает смертность у пациентов высокого риска; подчеркивает роль медсестер и важность функциональной оценки.
Dusseux et al.24Клиническая прогностическая модельНачало диализа, ≥70 лет (Франция, REIN)3-летняя смертностьВозраст, пол, диабет, ССЗ, зависимость, низкий ИМТ, временный катетерРазработана для определения кандидатов на направление к трансплантации почки, а не для решения о начале диализа; умеренная дискриминация (c-статистика 0,71), хорошая калибровка, но не прошла внешнюю валидацию за пределами Франции.
Thamer et al. 39Клиническая прогностическая модель≥67 лет, США3- и 6-месячная смертностьКомплексная и упрощенная модели (возраст, зависимость, альбумин, рак, ХСН, госпитализация, пребывание в специализированном учреждении)Упрощенная шкала для прикроватной оценки; не включает показатели качества жизни или предпочтений пациента.
Hemmelgarn et al.40Индекс коморбидностиПоддерживающий ГДОбщая смертностьСопутствующие заболевания (ХСН, рак, лимфома, метастазы)Индекс ESKD превосходит CCI. Эффективность дополнительно повышается при сочетании с машинным обучением (Noh et al.43; AUC 0,8357).
Santos et al.44Клиническая прогностическая модель≥65 лет, Португалия6-месячная смертность после начала диализаВозраст, ишемическая болезнь сердца, инсульт с гемиплегией, низкий уровень альбумина, позднее направление к нефрологуПревзошла модель Couchoud; исключала пациентов без диализа и не включала оценку старческого старения.
Ivory et al.45Клиническая прогностическая модельНачало ГД/ПД, ≥15 лет (ANZDATA)6-месячная смертностьДвенадцать клинических переменных (возраст, ИМТ, сопутствующие заболевания, диабет, позднее направление)Превзошла модели Couchoud и Wagner; применимость может быть ограничена за пределами Австралии и Новой Зеландии.
Puri et al.48Шкала старческого старения/функциональностиВзрослые с ХБП (все стадии, включая диализ)Смертность и госпитализацияFFP, CFS, модифицированная FFP, шкала FRAIL, индекс старческого старения (Frailty Index)FFP и CFS продемонстрировали наибольшую прогностическую ценность для смертности и госпитализации. Модифицированная FFP является практической альтернативой, когда тестирование на основе функциональных проб неосуществимо; одной клинической оценки недостаточно.
Oki et al.50Шкала старческого старения/функциональностиПациенты, начинающие ГД/ПД2-летняя смертность и госпитализацияCFSПрименялась медсестрами ретроспективно; исключала длительные госпитализации; практична для повседневного клинического использования.
Cohen et al.52Клиническая прогностическая модельПоддерживающий ГД6-месячная смертностьВозраст, деменция, заболевание периферических сосудов, альбумин, «Вопрос-сюрприз»Сочетает клиническую оценку с объективными переменными; демонстрирует высокую дискриминационную способность (AUC 0,80–0,87).
Javier et al.53Инструмент субъективной оценки≥60 лет, ХБП 4–5 стадии12-месячная смертность«Вопрос-сюрприз» (версии с тремя и двумя категориями ответов)Прогнозирует 1-летнюю смертность; требует предварительного знакомства с пациентом; умеренное согласие между экспертами и хорошая надежность при повторном тестировании.
Sun et al.55Лабораторный показательХБП 1–4 стадии (70% ≥65 лет)Долгосрочная общая смертностьАльбумин сыворотки, возрастРетроспективная одноцентровая когорта (n = 201); полезен в качестве дополнительного маркера, а не самостоятельного предиктора.
Wick et al. 54Клиническая прогностическая модель≥65 лет на момент начала диализа6-месячная смертностьВозраст ≥80 лет, рСКФ ≥15 mL/min/1.73 m², предшествующая госпитализация, ХСН, ФП, ракСтратифицирует риск краткосрочной смертности; рСКФ ≥15 mL/min/1.73 m² может отражать раннее или незапланированное начало диализа; хорошая дискриминация (ROC 0,73).
Karaboyas et al.56Лабораторный показательМеждународная когорта пациентов, начинающих ГД (DOPPS)1-летняя смертностьИсходный уровень гемоглобина, дозы ЭПО и в/в железаДемонстрирует U-образную связь с дозировкой железа; более высокая смертность при гемоглобине <10 g/dL или более высоких дозах ЭПО; полезен в качестве дополнительного биомаркера.
García-Montemayor et al.57Модель машинного обученияНачало ГД (Испания)6–24-месячная смертностьПятнадцать клинических и лабораторных переменных (Random Forest)Скромное улучшение по сравнению с логистической регрессией (ΔAUC 0,007–0,046); креатинин, Kt/V и гемоглобин являются важными предикторами ранней смертности.
Sheng et al.59Модель машинного обученияНачало ГД (Китай)1-летняя смертностьВозраст, рСКФ, СРБ, гемоглобин, сопутствующие заболевания (XGBoost)AUC 0,83–0,85; отобрано 15 из 42 переменных-кандидатов; требуется внешняя валидация в различных популяциях.

Таблица 1: Инструменты для прогнозирования смертности у пациентов с терминальной стадией хронической болезни почек и почечной недостаточностью. В этой таблице представлены валидированные прогностические инструменты, методы оценки старности, лабораторные маркеры и модели машинного обучения, разработанные для оценки смертности пациентов с запущенной хронической болезнью почек (ХБП) и терминальной стадией почечной недостаточности (ТСПН). Для каждого исследования в таблице указаны популяция исследования, прогностический горизонт, основные предикторы и ключевые аспекты клинического применения, включая сильные и слабые стороны. Сокращения: AF — фибрилляция предсердий; AUC — площадь под ROC-кривой; BMI — индекс массы тела; CCI — индекс коморбидности Чарлсона; CFS — клиническая шкала старческой астении; CHF — застойная сердечная недостаточность; CKD — хроническая болезнь почек; CRP — С-реактивный белок; CVD — сердечно-сосудистое заболевание; eGFR — расчетная скорость клубочковой фильтрации; ESA — эритропоэз-стимулирующий агент; ESKD — терминальная стадия почечной недостаточности; FFP — фенотип старческой астении по Фриду; HD — гемодиализ; IV — внутривенный; KPS — статус по шкале Карновского; PD — перитонеальный диализ; REIN — Сеть эпидемиологии и информации о заболеваниях почек; ROC — рабочая характеристика приемника; US — США; XGBoost — экстремальный градиентный бустинг. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.

Модели машинного обучения для прогнозирования смертности

Алгоритмы машинного обучения (ML) все чаще применяются для прогнозирования смертности пациентов, получающих диализ; при этом в нескольких исследованиях была продемонстрирована более высокая дискриминационная способность по сравнению с традиционными моделями на основе регрессии. Garcia-Montemayor et al.57 сообщили, что модель случайного леса превзошла логистическую регрессию в прогнозировании смертности через 6 месяцев, 1 год и 2 года среди пациентов на гемодиализе, при этом площадь под ROC-кривой (AUC) составила от 0,68 до 0,73 (Таблица 1). Yang et al.58 применили классификатор CatBoost для пациентов на перитонеальном диализе, достигнув AUC 0,80 и определив возраст, массу тела и уровень альбумина в сыворотке крови как наиболее значимые предикторы. Sheng et al.59 разработали и провели внешнюю валидацию модели Extreme Gradient Boosting (XGBoost) для прогнозирования смертности в течение первого года в 97 ренальных центрах. Модель достигла AUC 0,83–0,85, что существенно превышает показатели ранее опубликованных регрессионных моделей (Таблица 1). Аналогично, Koh et al.60 продемонстрировали, что модель случайного леса превзошла общепринятые прогностические шкалы REIN и Wick в когорте пожилых пациентов из Юго-Восточной Азии, достигнув AUC 0,83.

Несмотря на эти многообещающие результаты, остаются важные ограничения. Большинство моделей машинного обучения (ML) были разработаны с использованием ретроспективных данных когорт одного центра, что характеризуется ограниченной внешней валидацией и низкой интерпретируемостью. Хотя методы обеспечения объяснимости, такие как SHapley Additive exPlanations (SHAP), повысили прозрачность моделей, интерпретируемость по-прежнему остается значительным барьером для рутинного внедрения в клиническую практику. На сегодняшний день не было проведено ни одного проспективного рандомизированного исследования, которое оценило бы, улучшает ли прогнозирование на основе ML клинические исходы или качество совместного принятия решений у пациентов с ХБП или ТХБП, что представляет собой существенный пробел в доказательной базе.

Препятствия для внедрения прогностических инструментов в клиническую практику

Несмотря на растущую доступность прогностических инструментов для пациентов с терминальной стадией хронической болезни почек (ХБП) и терминальной стадией почечной недостаточности (ТСПН), их внедрение в рутинную клиническую практику остается ограниченным. Опросы канадских нефрологов показали, что более 80% полагаются при составлении прогноза преимущественно на клиническую интуицию, в то время как около 70% никогда или крайне редко используют формальные инструменты прогнозирования61. В качестве основных препятствий указываются сомнения в применимости популяционных оценок риска к отдельным пациентам, нехватка времени, а также ограниченное знакомство с доступными инструментами и доказательной базой, подтверждающей их использование. Примечательно, что медицинские работники последовательно разграничивали ценность прогностических инструментов на популяционном уровне и их применение к конкретным пациентам, подчеркивая проблему, которую вряд ли удастся решить одной лишь внешней валидацией62.

Практическое внедрение многих прогностических моделей дополнительно ограничивается тем, что в некоторых публикациях не приводится формат, пригодный для использования, например, полное уравнение регрессии или оценка риска, что затрудняет рутинное клиническое применение63. Кроме того, только 26,7% опубликованных моделей прошли внешнюю валидацию, а формальные исследования влияния, оценивающие, улучшают ли прогностические инструменты процесс совместного принятия решений или исходы для пациентов, остаются редкими63. Таким образом, внедрение прогностических инструментов в нефрологию в реальной практике остается низким, что может отражать ограниченную уверенность клиницистов, отсутствие опыта и неопределенность относительно их клинической полезности в улучшении исходов для пациентов64.

Для устранения этого разрыва в реализации потребуются усилия, выходящие за рамки разработки и валидации новых прогностических моделей. Интеграция прогностических инструментов в электронные медицинские карты может снизить барьеры, связанные со временем, доступностью и рабочим процессом, которые постоянно отмечают клиницисты62. Кроме того, обучение нефрологов эффективно сообщать вероятностную информацию о рисках в ходе бесед о серьезных заболеваниях, а не просто представлять числовые оценки, может быть столь же важным, как и дальнейшее повышение точности моделей62,65.

Ограничения

Следует признать наличие ряда ограничений в существующей литературе. Большинство прогностических моделей9,26,39,45,55,66 были разработаны на основе географически ограниченных когорт, и возможность их применения в других условиях здравоохранения остается неопределенной. Хотя некоторые инструменты разрабатывались специально для пожилых людей, многие валидированные модели включают более молодые группы пациентов на диализе, а специализированные прогностические инструменты для старших людей с синдромом старческой астении по-прежнему ограничены. Существующая литература также в значительной степени ориентирована на когорты пациентов на гемодиализе, в то время как валидированные прогностические модели для пациентов на перитонеальном диализе остаются редкими, и работа Davison et al.18 представляет собой один из немногих доступных примеров. Модели машинного обучения, несмотря на свою перспективность, еще не проходили оценку в проспективных клинических исследованиях, и ни один из доступных на данный момент прогностических инструментов не продемонстрировал в рандомизированном исследовании, что его использование улучшает качество процесса совместного принятия решений или исходы для пациентов.

Будущие исследования должны быть сосредоточены на разработке и внешней валидации прогностических моделей для различных популяций и методов диализа, проспективной оценке медицинской помощи на основе прогностических данных, а также на интеграции предпочтений пациентов в системы клинической оценки рисков.

Выводы

Прогнозирование является важным компонентом совместного принятия решений. Нефрологи должны предоставлять прогностическую информацию точно и с учетом индивидуальных особенностей пациента, чтобы помочь согласовать предлагаемое лечение с ценностями и предпочтениями пациентов. Прогностические инструменты, включая модели прогнозирования рисков, могут помочь нефрологам в проведении более детальной оценки рисков. Эти инструменты могут способствовать раннему выявлению лиц, которым может быть полезна комплексная гериатрическая оценка, заблаговременное планирование медицинской помощи или, в отдельных случаях, менее инвазивные альтернативы лечению или паллиативная помощь26. И наоборот, они могут помочь выявить пациентов с благоприятным прогнозом, которым может быть полезно проактивное планирование сосудистого доступа или оценка возможности трансплантации. Доступные прогностические инструменты варьируются от быстрых субъективных оценок, таких как «вопрос о неожиданности» (Surprise Question), до сложных многофакторных моделей. Однако эти модели могут быть применимы не ко всем группам населения и должны использоваться только в соответствующих клинических контекстах. Поэтому медицинским работникам следует использовать мультимодальный подход, сочетающий лабораторные показатели, сопутствующие заболевания, функциональные шкалы оценки и клиническое суждение для разработки прогностических оценок, которые не были бы чрезмерно упрощенными. Модели, разработанные Cohen et al.52, Schmidt et al.6 и Couchoud et al.26 (Таблица 1), могут быть особенно полезны, поскольку доступны опубликованные калькуляторы рисков, которые можно быстро применить в клинической практике. Модели, разработанные Cohen et al.52 и Schmidt et al.6, сочетают клиническое суждение с объективными параметрами, что позволяет провести более целостную оценку. То, как передается прогностическая информация, имеет не меньшее значение. Информация должна быть представлена на доступном для пациентов языке, с чуткостью к их готовности обсуждать смертность. Прогностические оценки должны направлять беседы и контекстуализировать потенциальные преимущества и ограничения лечения; клиницисты должны избегать представления абсолютных оценок риска без надлежащего объяснения. Структурированные модели общения, такие как инструмент «Лучший вариант/Худший вариант» (Best Case/Worst Case), используют сценарное планирование и графические средства для описания лучших, наиболее вероятных и худших исходов каждого варианта лечения. Такие подходы могут помочь нефрологам выйти за рамки изолированных статистических оценок и поддержать пациентов и их семьи в принятии решений о лечении, отражающих их цели и ценности16,67. Будущая работа должна быть сосредоточена на валидации прогностических инструментов в различных популяциях и оценке того, улучшает ли их использование процесс совместного принятия решений и результаты, ориентированные на пациента.

Раскрытие информации

Авторы заявляют об отсутствии конкурирующих финансовых интересов или конфликтов интересов. Кроме того, авторы использовали инструмент генерации изображений OpenAI для создания первоначальной версии Рисунка 1. Впоследствии рисунок был проверен, пересмотрен и утвержден авторами, которые несут полную ответственность за его научное содержание и клиническую точность.

Ссылки

  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.

Перепечатки и разрешения

Теги

Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.