全文 PDF:https://kdigo.org/wp-content/uploads/2024/03/KDIGO-2024-CKD-Guideline.pdf
- 本版最核心的範式轉移:從「以 eGFR 分級」走向「以風險分級」。eGFR 告訴你現在在哪裡,風險方程式(KFRE)告訴你會往哪裡去。
- CGA 熱圖是族群層級的相對風險(relative risk);個別病人的絕對風險(absolute risk)要用外部驗證過的方程式算——同一格內的人,進展風險可差到 80 倍。
- KFRE(Kidney Failure Risk Equation)用 4 個變數(年齡、性別、eGFR、ACR)就能算出 2/5 年走到腎衰竭的機率,C-statistic >0.8。
- 用風險數字決定三件事:監測頻率(Fig 13)、轉診時機(5 年 ≥3–5% 轉腎臟科)、透析/移植準備(2 年 ≥40%)。
🔑 為什麼 eGFR 分級不夠用?相對風險 vs 絕對風險
CGA 熱圖(第 I 篇 Figure 1)是一張族群地圖:它告訴你「落在這一格的人,平均而言比沒有 CKD 的人風險高幾倍」。但它不能預測單一病人的絕對機率。原因是:同一格(同一個 eGFR/ACR 範圍)裡的人,因為病因、年齡、共病不同,絕對風險的差距可以非常大。
指引給了一個讓人印象深刻的數字:在同一個熱圖格子或 CKD 分期內,兩個人的CKD 進展風險可相差達 8000%(80 倍)、腎衰竭風險相差達 4000%(40 倍)。這就是為什麼「光看 eGFR 60、A1 就說『穩定』」是危險的——你看到的是格子的平均,不是這個人的真實風險。
來源:KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease (Kidney International 2024;105(4S):S117–S314, doi:10.1016/j.kint.2023.10.018) — 個人教學使用,原始版權屬 KDIGO,依 CC BY-NC-ND 4.0 授權。
上面 Figure 16 用一個實例說明:一位 eGFR 60、ACR 10(G2A1,熱圖上是綠/黃格)的人,5 年「CKD 進展」機率其實有 10.4%,但走到「腎衰竭」的機率很低。同一個人,對「進展」與「腎衰竭」兩個結局的絕對風險天差地遠——這正是要用方程式算特定結局、特定時間窗的原因。
🧭 圖表逐步解析:Figure 14(同一分期內的風險高度重疊)
來源:KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease (Kidney International 2024;105(4S):S117–S314, doi:10.1016/j.kint.2023.10.018) — 個人教學使用,原始版權屬 KDIGO,依 CC BY-NC-ND 4.0 授權。
這張圖在回答什麼問題:如果我只用「CKD 分期」決定怎麼處理,會錯得多離譜?
容易踩雷的地方:
- 用分期一刀切:同樣是 G4,有人 2 年腎衰竭風險 5%、有人 50%——用方程式才分得出來。
- 把「相對風險相同」當「該積極治療程度相同」:SGLT2i 等藥的絕對獲益在絕對風險高的人最大,風險方程式幫你找出這些人。
📐 KFRE:用 4 個變數預測腎衰竭
KFRE(Kidney Failure Risk Equation,腎衰竭風險方程式)是目前外部驗證最廣的工具。最常用的 4 變數版只需要:年齡、性別、eGFR、ACR,即可算出 2 年與 5 年「需腎臟替代治療(KRT)」的機率;8 變數版再加血鈣、磷、碳酸氫鹽、白蛋白。
🧪 KFRE(Tangri et al., JAMA 2011;多國驗證 JAMA 2016)— 風險分級的證據基礎
設計:於加拿大 CKD G3–G5 世代開發,後於 31 個多國世代(>72 萬人)外部驗證。
結果:4 變數模型對 2/5 年腎衰竭的判別力 C-statistic >0.8(多數 >0.9),校準良好;加入北美校正因子後在不同地區皆適用。
臨床意義:撐起本章「用外部驗證方程式做個別化絕對風險預測」的建議(高度重視個別化照護的價值)。限制:主要在轉診人群開發,基層、罕見腎病、兒童的適用性較弱;需 EMR/實驗室系統整合才能落地。
Practice Point 2.2.1:對 G3–G5 的 CKD,可用 5 年腎衰竭風險 3%–5% 作為轉介腎臟科的門檻。
Practice Point 2.2.2:可用 2 年腎衰竭風險 ≥40% 作為決定 KRT 模式、時機與血管/腹膜通路準備的門檻。
🚦 從 eGFR 思維轉到風險思維(Figure 15)
來源:KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease (Kidney International 2024;105(4S):S117–S314, doi:10.1016/j.kint.2023.10.018) — 個人教學使用,原始版權屬 KDIGO,依 CC BY-NC-ND 4.0 授權。
🧭 圖表逐步解析:Figure 15(eGFR-based → risk-based 的轉換)
這張圖在回答什麼問題:同一個照護里程碑,「舊的 eGFR 門檻」與「新的風險門檻」各是多少?
容易踩雷的地方:
- 死守 eGFR 數字:一個 eGFR 35 但 ACR 很高、風險快速上升的人,可能該提早轉診——風險門檻會比 eGFR 門檻更早把他抓出來。
- 把「轉診門檻」當「治療門檻」:SGLT2i、RASi 等基石治療在更早期就該開始,不必等到轉診。
- 兩種時間窗混用:轉腎臟科用「5 年」,通路準備用「2 年」,別把時間窗搞混。
📅 監測頻率:用 CGA 格子決定回診密度(Figure 13)
來源:KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease (Kidney International 2024;105(4S):S117–S314, doi:10.1016/j.kint.2023.10.018) — 個人教學使用,原始版權屬 KDIGO,依 CC BY-NC-ND 4.0 授權。
🧭 圖表逐步解析:Figure 13(GFR 與白蛋白尿的監測頻率熱圖)
這張圖在回答什麼問題:這個病人一年該驗幾次 eGFR 與 ACR?
容易踩雷的地方:
- 所有 CKD 都「3 個月回診一次」:低風險者過度監測浪費資源、高風險者監測不足錯過惡化。頻率應隨格子調整。
- 只追 eGFR 不追 ACR:白蛋白尿變化是進展的早期訊號。
- 把單次 ACR 波動當惡化:重複 ACR 的 95% CI 約 ±50%;ACR 加倍(doubling)以上才算超出隨機波動、值得追查;下降達 50% 也可能只是波動。
📋 轉診與監測門檻整理
| 里程碑 | 風險門檻(KFRE) | 對應動作 |
|---|---|---|
| 轉介腎臟科 | 5 年 KF 風險 ≥3%–5%(或 2 年 >2%) | 專科評估、確立病因、強化保護治療 |
| 多專科/跨專業團隊照護 | 2 年 KF 風險 ≥10% | 整合照護、衛教、共病管理 |
| 透析通路/移植準備 | 2 年 KF 風險 ≥40%(或 20–40% 啟動規劃) | 選 KRT 模式、建立血管/腹膜通路、移植轉介、保守治療討論 |
| 監測頻率 | 依 CGA 格子(Fig 13) | 低風險每年 1 次 → 高風險每年 ≥4 次 |
整理自 原文 Figure 13–15 與 Practice Points 2.2.1/2.2.2。KF:kidney failure;KRT:kidney replacement therapy。
- 熱圖=族群相對風險;個人要用 KFRE 算絕對風險(同格內進展風險可差 80 倍)。
- KFRE 4 變數(年齡、性別、eGFR、ACR),C-statistic >0.8。
- 風險門檻取代 eGFR 門檻:5 年 ≥3–5% 轉腎臟科、2 年 ≥10% 多專科、2 年 ≥40% 透析/移植準備。
- 監測頻率隨 CGA 格子調整(Fig 13);ACR 加倍才算真惡化(單次波動 ±50%)。
- 絕對風險越高的人,SGLT2i 等基石治療的絕對獲益越大——風險分級幫你把資源用在刀口。
📖 References(精選)
- KDIGO 2024 CKD Guideline. Kidney Int 2024;105(4S):S117–S314. https://doi.org/10.1016/j.kint.2023.10.018
- Tangri N, Stevens LA, Griffith J, et al. A predictive model for progression of CKD to kidney failure. JAMA 2011;305(15):1553–1559. https://doi.org/10.1001/jama.2011.451
- Tangri N, Grams ME, Levey AS, et al. Multinational assessment of accuracy of equations for predicting risk of kidney failure: a meta-analysis. JAMA 2016;315(2):164–174. https://doi.org/10.1001/jama.2015.18202
本文以教學為目的整理 KDIGO 2024 CKD 指引,所有原文 Figure 之版權屬 KDIGO,依 CC BY-NC-ND 4.0 授權;商業使用請洽 KDIGO 取得授權。
