Repository logo
  • English
  • 中文
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
    Communities & Collections
    Research Outputs
    Fundings & Projects
    People
    Organizations
    Statistics
  • English
  • 中文
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. .TMU Publications / 北醫出版品(教師升等著作 / 教學實踐 / 學位論文)
  3. .博碩士學位論文
  4. 111學年度
  5. 代謝風險指標軌跡與慢性腎臟病預後發展:群組化多重軌跡分析
 
  • Details
Options

代謝風險指標軌跡與慢性腎臟病預後發展:群組化多重軌跡分析

Other Title
The Association Between Trajectories of Metabolic Risk Cluster and Progression of Chronic Kidney Disease: A Group-Based Multi-Trajectory Modeling Study
Type
thesis
Date Issued
2023-01-13
Author(s)
劉紀岑
Advisor
羅偉成
Subjects
系所名稱:應用流行病學碩士學位學程
Description
學位別:碩士
語文別:中文
口試委員:吳麥斯 WU, MAI-SZU;吳美儀 WU, MEI-YI;羅偉成 LO, WEI-CHENG
授權範圍:網際網路,開放日期為2026-01-31
Abstract
背景:末期腎臟病造成的全球疾病負擔日益增加,儘管透析技術不斷進步,但末期腎臟病患者的死亡率還是比一般族群高出10至20倍。台灣是世界上慢性腎臟病和末期腎臟病發生率和盛行率最高的國家,造成龐大的醫療花費與疾病負擔。根據改善全球腎臟病預後組織(Kidney Disease: Improving Global Outcomes, KDIGO)統整出的慢性腎臟病危險因子,發現促使慢性腎臟病惡化的危險因子包含高血壓、糖尿病患者的血糖控制不佳以及可能存在血脂異常等代謝風險。然而,目前未有文獻同時探討長期血糖、血脂及血壓三項代謝風險指標發展對於慢性腎臟病預後的影響。因此,本篇研究的目的是透過群組化多軌跡模式找出不同代謝風險指標軌跡分群,並探討不同代謝風險指標軌跡分群與慢性腎臟病預後發展(透析及全死因死亡)之間的相關性。

研究方法:本研究屬於回溯性世代研究,研究對象來自臺北醫學大學附設醫院、萬芳醫院以及雙和醫院,納入了2009年至2013年符合慢性腎臟病第三期至第五期的患者,並使用群組化多軌跡模式同時考慮到隨著時間變化的長期空腹血糖、血壓、三酸甘油酯以及低密度脂蛋白膽固醇發展並定義出潛在的代謝風險指標軌跡分群,並且利用Cox 比例風險模型分析不同代謝風險指標軌跡分群之間的透析及全死因死亡之風險比(Hazard ratio, HR)(95%信賴區間(Confidence interval, CI))。

研究結果:本次研究總共納入了15,210位慢性腎臟病第三期至第五期患者,年齡中位數(四分位距)為72歲(62, 79),其中女性有7,008人(46.07%),男性有8,202人(53.93%)。本研究透過群組化多軌跡模式定義出三個不同的代謝風險指標軌跡分群,包含對照組(代謝風險指標呈現穩定控制)、血糖血脂偏高組、以及血糖血脂血壓過高組(代謝風險指標嚴重過高)。對照組之基線年齡、慢性腎臟病第三期占比、高血壓占比及腎絲球過濾率顯著高於血糖血脂偏高組及血糖血脂血壓過高組;血糖血脂偏高組之基線血脂異常占比、收縮壓以及舒張壓顯著高於對照組及血糖血脂血壓過高組;而血糖血脂血壓過高組之基線女性比例、慢性腎臟病第四和五期占比、糖尿病占比、身體質量指數、肌酸酐、空腹血糖、三酸甘油脂、低密度脂蛋白膽固醇顯著高於對照組及血糖血脂偏高組。再者,與對照組相比,血糖血脂偏高組以及血糖血脂血壓過高組具有顯著較高的全死因死亡風險(分別為HR:1.22,95%CI:1.09-1.38;HR:2.09,95%CI:1.72-2.53),且血糖血脂血壓過高組發生長期透析的風險顯著較高(HR:1.76,95%CI:1.04-2.98)。

結論:在代謝嚴重異常(嚴重高血糖、嚴重高血脂及高收縮壓)的情況下,慢性腎臟病第三期至第五期的患者具有顯著較高發生透析或全死因死亡的風險。在臨床照護方面,可將群組化多軌跡模式分群的結果應用於患者個人化精準醫療,透過定期回診監測慢性腎臟患者可能伴隨的代謝異常情況,或是未來可搭配一些穿戴式裝置與人工智慧方法,監測患者可能伴隨的代謝異常情況,給予及時的精準醫療預測與照護,同時穩定控制血糖、血脂以及血壓等代謝生化指標,進而達到降低慢性腎臟病患者嚴重預後發展的情形發生。同時,也支持臨床醫生,患者及其患者家庭成員之間共同的決策過程。
URI
https://handle.ncl.edu.tw/11296/y45q9f
https://203.71.86.71/handle/123456789/10119

Copyright Notice

● The digital content on this platform is part of the Taipei Medical University Institutional Repository, featuring various academic works and outputs from the institution. It offers free access to academic research and public education for non-commercial use.

● Please use the content appropriately and within legal boundaries to respect copyright owners' rights. For commercial use, please obtain prior authorization from the copyright owner. Users must not use TMUIR for any illegal purposes.

● By utilising the platform, users are deemed to have fully accepted and understood all the regulations set out in this statement, relevant laws of the Republic of China, all international internet regulations, and usage conventions.

● TMUIR is committed to protecting the interests of copyright owners. If you believe that any material on this website infringes copyright, please contact our staff at libirtmu@gmail.com, and we will remove the work from the repository.

Built with DSpace-CRIS software - Extension maintained and optimized by 4Science

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback