ปัจจัยทำนายการเปลี่ยนแปลงอัตราการกรองของไต ในผู้ป่วยโรคไตเรื้อรังระยะก่อนฟอกไต
Article Sidebar
Main Article Content
บทคัดย่อ
ที่มาและความสำคัญ : การระบุปัจจัยทำนายการลดลงของอัตราการกรองของไต มีความสำคัญอย่างยิ่งต่อการที่บุคลากรทางการแพทย์จะสามารถกำหนดกลยุทธ์ที่มุ่งเป้าหมายในการชะลอการเสื่อมของไตและการเริ่มต้นการบำบัดทดแทนไตในผู้ป่วยโรคไตเรื้อรัง
วัตถุประสงค์ : เพื่อศึกษาปัจจัยทำนายของการเปลี่ยนแปลงอัตราการกรองของไตใน 1 ปี ของผู้ป่วยโรคไตเรื้อรังระยะก่อนฟอกไต
วิธีการศึกษา : การศึกษาเชิงพรรณนาแบบทำนาย กลุ่มตัวอย่างคือผู้ป่วยโรคไตเรื้อรังก่อนการบำบัดทดแทนไต จำนวน 103 ราย ที่เข้ารับการรักษา ณ คลินิกโรคไตเรื้อรัง โรงพยาบาลสมุทรปราการ เก็บรวบรวมข้อมูลโดยใช้แบบบันทึกข้อมูลส่วนบุคคลและประวัติการเจ็บป่วย แบบวัดความรอบรู้ด้านสุขภาพเฉพาะโรคไตเรื้อรัง แบบวัดแรงจูงใจในพฤติกรรมสุขภาพ และแบบสอบถามพฤติกรรมการจัดการตนเอง วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา สัมประสิทธิ์สหสัมพันธ์เพียร์สัน และการวิเคราะห์การถดถอยพหุคูณ
ผลการศึกษา : โปรตีนในปัสสาวะและคอเลสเตอรอลเป็นเพียงตัวแปรทำนายที่มีนัยสำคัญทางสถิติต่อการเปลี่ยนแปลงของอัตราการกรองของไตในระยะเวลา 1 ปี สมการถดถอยมีนัยสำคัญทางสถิติ (F=6.480, p<0.001) โดยโปรตีนในปัสสาวะ (β=0.584, p=0.005) และคอเลสเตอรอลรวม (β=0.273, p=0.008) ร่วมกันอธิบายความแปรปรวนของการเปลี่ยนแปลง eGFR ได้ร้อยละ 29.3 (R²=0.293; adjusted R²=0.248) โดยระดับที่สูงขึ้นของทั้งสองตัวแปรมีความสัมพันธ์กับการลดลงของอัตราการกรองของไต
สรุป : บุคลากรทางการแพทย์ควรให้ความสำคัญกับการติดตามระดับโปรตีนในปัสสาวะและระดับไขมันในเลือด และพัฒนาโปรแกรมสหวิชาชีพที่มุ่งเน้นการลดโปรตีนในปัสสาวะและการควบคุมระดับคอเลสเตอรอล เพื่อชะลอการดำเนินโรคไตเรื้อรังและเลื่อนการเริ่มต้นการบำบัดทดแทนไต
Thaiclinicaltrials.org number, TCTR20260601007
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Cha'on U, Tippayawat P, Sae-Ung N, Pinlaor P, Sirithanaphol W, Theeranut A, et al. High prevalence of chronic kidney disease and its related risk factors in rural areas of northeast Thailand. Sci Rep [Internet]. 2022 [cited 2026 Feb 7];12(1):18188. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC9616930/pdf/41598_2022_Article_22538.pdf
Vijitsoonthornkul K. Epidemiology and review of chronic kidney disease prevention measures [Internet]. 2022 [cited 2026 Feb 17]. Available from: https://ddc.moph.go.th/uploads/publish/1308820220905025852.pdf
Anumas S, Rattanapanop P, Pattharanitima P. Predictors of rapid eGFR decline in early to moderate chronic kidney disease (stages G1-G4): insights from a real-world Thai cohort incorporating KDIGO 2024 guidelines. Ren Fail [Internet]. 2025 [cited 2026 Mar 6];47(1):2593732. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC12667306/pdf/IRNF_47_2593732.pdf
Li L, Astor BC, Lewis J, Hu B, Appel LJ, Lipkowitz MS, et al. Longitudinal progression trajectory of GFR among patients with CKD. Am J Kidney Dis 2012;59:504-12.
Tsao HM, Lai TS, Chou YH, Lin SL, Chen YM. Predialysis trajectories of estimated GFR and concurrent trends of chronic kidney disease-relevant biomarkers. Ther Adv Chronic Dis [Internet]. 2023 [cited 2026 Feb 9];14:20406223231177291. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC10265358/pdf/10.1177_20406223231177291.pdf
Inaguma D, Kitagawa A, Yanagiya R, Koseki A, Iwamori T, Kudo M, et al. Increasing tendency of urine protein is a risk factor for rapid eGFR decline in patients with CKD: a machine learning-based prediction model by using a big database. PLoS One [Internet]. 2020 [cited 2026 Feb 10];15(9):e0239262. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC7497987/pdf/pone.0239262.pdf
Gurgel do Amaral MS, Reijneveld SA, Geboers B, Navis GJ, Winter AF. Low health literacy is associated with the onset of CKD during the life course. J Am Soc Nephrol 2021;32:1436-43.
Elisabeth Stømer U, Klopstad Wahl A, Gunnar Gøransson L, Hjorthaug Urstad K. Health literacy in kidney disease: associations with quality of life and adherence. J Ren Care 2020;46:85-94.
Wu R, Feng S, Quan H, Zhang Y, Fu R, Li H. Effect of self-determination theory on knowledge, treatment adherence, and self-management of patients with maintenance hemodialysis. Contrast Media Mol Imaging [Internet]. 2022 [cited 2026 Feb 11];2022:1416404. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC9329035/pdf/CMMI2022-1416404.pdf
Peng S, He J, Huang J, Lun L, Zeng J, Zeng S, et al. Self-management interventions for chronic kidney disease: a systematic review and meta-analysis. BMC Nephrol [Internet]. 2019 [cited 2026 Feb 12];20(1):142. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC6486699/pdf/12882_2019_Article_1309.pdf
Cohen J. Statistical power analysis for the behavioral sciences. 2nd ed. Hillsdale (NJ): Lawrence Erlbaum Associates; 1988.
Wei CJ, Shih CL, Hsu YJ, Chen YC, Yeh JZ, Shih JH, et al. Development and application of a chronic kidney disease-specific health literacy, knowledge and disease awareness assessment tool for patients with chronic kidney disease in Taiwan. BMJ Open [Internet]. 2021 [cited 2026 Feb 13];11(10):e052597. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC8506855/pdf/bmjopen-2021-052597.pdf
Poraj-Weder M, Pasternak A, Szulawski M. The development and validation of the health behavior motivation scale. Front Psychol [Internet]. 2021 [cited 2026 Feb 7];12:706495. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC8446656/pdf/fpsyg-12-706495.pdf
He X, Wang Y, Feng C, Luo L, Khaliq U, Rehman FU, et al. Preferring self-management behavior of patients with chronic kidney disease. Front Public Health [Internet]. 2022 [cited 2026 Feb 14];10:973488. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC9755185/pdf/fpubh-10-973488.pdf
Adelakun G, Boesing M, Mbata MK, Pasha Z, Lüthi-Corridori G, Jaun F, et al. Proteinuria assessment and therapeutic implementation in chronic kidney disease patients-a clinical audit on KDIGO ("kidney disease: improving global outcomes") guidelines. J Clin Med [Internet]. 2024 [cited 2026 Mar 9];13(17):5335. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC11395944/pdf/jcm-13-05335.pdf
Levin A, Ahmed SB, Carrero JJ, Foster B, Francis A, Hall RK, et al. Executive summary of the KDIGO 2024 clinical practice guideline for the evaluation and management of chronic kidney disease: known knowns and known unknowns. Kidney Int 2024;105:684-701.
Lyu K, Liu S, Liu Y, You J, Wang X, Jiang M, et al. The effect of blood lipid profiles on chronic kidney disease in a prospective cohort: based on a regression discontinuity design. Biomed Environ Sci 2024;37:1158-72.
Pan X. Cholesterol metabolism in chronic kidney disease: physiology, pathologic mechanisms, and treatment. Adv Exp Med Biol 2022;1372:119-43.
