Q14 — CKD 的 CV 風險分層（heat map、PREVENT、CAC、biomarker）— 查核修正版

分類：風險與預後 版本：v1.2 更新日期：
臨床結論：1. 先用 KDIGO 2024 的 CGA / heat map 定位，再決定要不要進 calculator。

臨床問題

傳統 CV risk calculator 在 CKD 常失準。KDIGO 2024 heat map、AHA PREVENT、AHA CKM stage、CAC 與心臟生物標記，應如何整合成腎臟科可操作的分層流程？

Executive Answer

  1. 先用 KDIGO 2024 的 CGA / heat map 定位，再決定要不要進 calculator。 CKD 風險框架不是「單一分數遊戲」，而是 eGFR × UACR 的分類式分層。最重要的第一步仍然是把病人放進 KDIGO 的 G-A 格子。

  2. KDIGO heat map 不是 9 格，而是 6 × 3 的 GFR × albuminuria grid。 也因此，G1A3 / G2A3 在 KDIGO nomenclature figure 是 orange（high risk），不是 red（very high risk）。真正的 red/very-high risk 典型格子包括 G3aA3、G3bA2–A3、G4A1–A3、G5A1–A3。

  3. PREVENT 適合用在尚未進入「明顯高風險分類」的 primary prevention 病人。 PREVENT 的 base model 已納入 eGFR，add-on 可再加 UACR、HbA1c、SDI；它適用於 30–79 歲、無已知 CVD 的族群。

  4. 不要把 very-high-risk CKD 直接等同 secondary prevention。 若病人尚無臨床 ASCVD，應理解為 「需 aggressive primary prevention，且可 bypass calculator」，但不宜文字上直接當作「已是 secondary prevention」。真正 secondary prevention 仍以 既有臨床 CVD 為主。

  5. CKM Stage 3 不能簡化成「所有 very-high-risk CKD」。 AHA 2023 CKM advisory 的重點是：Stage 3 是 subclinical CVD stage；其中列出的 risk equivalents 包括 very-high-risk CKD（G4–G5 或 by KDIGO heat map） 與 高 predicted CVD risk。

  6. CAC 與 cardiac biomarkers 是「加值工具」，不是每個 CKD 都常規加做。

    • CAC：適合 borderline / intermediate primary prevention 且仍有不確定性時，做 selective use。
    • hs-cTnT / NT-proBNP：在 CKD 常有 chronic baseline elevation，重點是 serial change 與臨床情境，不是單一數字。

這次查核後的關鍵修正

已修正的高風險錯誤

已刪除或降級處理的內容

Why This Matters

1) 傳統風險模型在 CKD 會低估或失配

CKD-PC 的「CKD patch」研究顯示，把 kidney measures 納入後，對 CKD 病人的風險估計會明顯上修。以 eGFR 30–44 ml/min/1.73 m² 且 albuminuria ≥30 mg/g 的 very-high-risk CKD 為例：

這代表 如果只看傳統分數，CKD 病人的風險很可能被低估。

2) Albuminuria 不是附屬變數，而是主風險訊號

CKD-PC 的 collaborative meta-analysis 顯示，加入 albuminuria / ACR 後，對 CV outcome 的 discrimination 改善 通常大於只加 eGFR；以 CV mortality 為例，

也就是說，在 CKD 的 CV risk stratification 裡，UACR 不能只是 optional lab；它是核心分類變數。

3) 早期 CKD + albuminuria 也不能掉以輕心

即使是早期 CKD，albuminuria 也會拉高 CV risk。UK Biobank cohort 顯示，stage 2 CKD with albuminuria 的 MACE、HF、all-cause mortality 風險，都高於正常腎功能組，而且風險程度接近 stage 3A CKD without albuminuria。這支持一個實務重點：

G1A3 / G2A3 雖然不是 KDIGO red，但絕對不是「低風險早期 CKD」。

4) 2026 流病更新：disparity 與 emerging risk modifier 要納入風險脈絡

2026 年 Nat Rev Nephrol 的 epidemiology review（PMID 42098477）整合最新資料，補強兩個對 CV risk stratification 有實務意義的觀察：

Key Evidence

A. KDIGO 2024：先做 CGA / heat map，再談 calculator

KDIGO 2024 明確把 CKD 分類建立在 Cause、GFR category、Albuminuria category（CGA） 上，且其 CKD prognosis grid 是 G1–G5 × A1–A3。在 nomenclature figure 中，顏色意義為：

KDIGO 2024 prognosis grid（文字版）

A1A2A3
G1 (≥90)綠黃橙
G2 (60–89)綠黃橙
G3a (45–59)黃橙紅
G3b (30–44)橙紅紅
G4 (15–29)紅紅紅
G5 (<15)紅紅紅

KDIGO 2024 在 lipid / CV risk 的實務意義

KDIGO 2024 對 risk calculator 的定位

KDIGO 2024 也指出，目前和 CKD 較有關的 validated risk tools，重點包括：

因此，對 CKD 來說比較合理的邏輯不是「只算分數」，而是：

先做 KDIGO 分層；在未明確進入高/很高風險分類時，再用 PREVENT 微調 primary prevention 討論。

B. PREVENT：適合 primary prevention 的 CKD-aware calculator

AHA PREVENT 官方工具與其 development/validation paper 顯示，PREVENT 具下列特徵：

PREVENT 的一個重要臨床轉折

JAMA 2024（Diao et al.）顯示，如果把 PREVENT 直接套到舊的 PCE risk category / treatment threshold，約 53% 的美國成人會被重分類到較低風險類別。這也是為什麼 不能把 PREVENT 的分數直接接到舊 PCE 時代的 7.5% 門檻。

但這個問題現在已部分解決

2026 ACC/AHA dyslipidemia guideline 已正式改用 PREVENT-ASCVD 來引導 primary-prevention lipid decisions，並採用新的 risk categories：

所以現在更正確的寫法是：

若要用 PREVENT 指導 lipid-lowering therapy，應優先對接 2026 ACC/AHA 的 PREVENT-ASCVD categories，而不是沿用舊 PCE thresholds。

C. AHA 2023 CKM Stage：Stage 3 不是「單純 CKD 很嚴重」

AHA 2023 CKM advisory 的 framing 很重要：

所以臨床上比較安全的表述是：

CKM Stage 3 的主軸是 subclinical CVD；very-high-risk CKD 可視為進入 Stage 3 framing 的 risk equivalent，但不能把 Stage 3 粗暴簡化成所有 high-risk CKD。

CAC 與 Biomarkers：怎麼放進流程

1) UACR：必做，不是加做

若題目是 CKD 的 CV risk stratification，那 UACR 應視為 core variable。 在實務上，沒有 UACR 的 CKD CV risk 分層，常常是不完整的。

2) CAC：只在「還不確定」時用

2026 ACC/AHA dyslipidemia guideline 支持 selective CAC use，特別是在：

3) CKD 中 CAC 的特殊限制

在 CKD，尤其 advanced CKD，CAC 不是完全等同一般 primary prevention 族群的 intimal atherosclerosis 訊號，因為：

4) 但 longitudinal CAC 還是有訊息量

CRIC 2024 顯示，在 CKD stage 2–4：

因此，比起「一次性高 CAC 分數」的過度解讀，對 CKD 而言：

是否從 0 轉成 incident CAC，可能是更有預後意義的訊號之一。

5) hs-cTnT / NT-proBNP：重趨勢，不重單次絕對值

PubMed 的 CRIC analysis 顯示，在 ambulatory CKD、且無自述 CVD 的族群中：

但作者也清楚指出，這些數值是 CKD ambulatory population 的分布結果，不是急性照護場景的 universal rule-in threshold。

因此正確寫法應是：

6) FGF23：可研究，不建議當 routine clinic marker

FGF23 在 CKD 與 HF risk 的關聯已有資料，例如 CRIC/相關 cohort 顯示 每 doubling FGF23，CHF risk 約 HR 1.45。但目前問題仍包括：

因此目前較合理的定位仍是：

research / mechanistic interest > routine clinical stratification tool

Clinical Decision：15 分鐘門診可執行流程

Step 1：先做 KDIGO G-A 分層

先取得：

然後放入 KDIGO grid。

實務上可先分成三群

A. 明顯 very-high-risk / red-zone CKD

典型包括：

這一群的重點是：

B. High-risk / orange-zone CKD

典型包括：

這群不能被視為低風險。尤其 G1A3 / G2A3 雖非 red，但 albuminuria 已代表顯著風險上升。

C. 綠 / 黃區、或尚未明確進入高危分類者

這時 PREVENT 最有用。

Step 2：需要時再用 PREVENT

適合用 PREVENT 的族群：

建議：

Step 3：用「現代門檻」做 primary prevention 討論

若要以 PREVENT 來討論 lipid-lowering：

但在 CKD 病人，最終決策不能只看 PREVENT 數字，還要回看：

我建議的臨床操作版規則

Rule 1

先問：這個人需不需要 calculator？

若已屬：

通常答案是：

不需要先靠 calculator 才決定要積極處理。

Rule 2

red-zone CKD = aggressive primary prevention，不等於 automatically secondary prevention

這是這次修訂特別要避免的誤寫。

Rule 3

G1A3 / G2A3 不是 red，但不能被當成「只是早期 CKD」

這群最容易在門診被低估。

Rule 4

如果 PREVENT 與 KDIGO category 感覺不一致，優先相信 CKD 分類本身，而不是盲從單一分數。

Rule 5

CAC 只在結果真的會改變決策時才做

尤其：

Rule 6

hs-cTnT / NT-proBNP 在 CKD 主要用於臨床解釋與共照，不是 routine population-wide screening 的單一 cutoff 工具

典型情境

情境 1：CKD G3b + A2 + T2DM

情境 2：CKD G2 + A3（例如 UACR 500 mg/g）

情境 3：CKD G3a + A1，沒有 DM、沒有已知 CVD

情境 4：CKD G4 + HFpEF phenotype

情境 5：Dialysis patient

不建議做法

  1. 把 KDIGO heat map 說成 9 格
  2. 把 G1A3 / G2A3 誤寫成 red / very-high risk
  3. 把 CKM Stage 3 寫成「所有 very-high-risk CKD」的同義詞
  4. PREVENT 分數沿用舊 PCE 7.5% 門檻
  5. 把 red-zone CKD 自動當成 secondary prevention
  6. 用單一次 hs-cTnT / NT-proBNP 絕對值，在 CKD 直接診斷 ACS / HF
  7. 在 G4–G5 / dialysis routine 做 CAC 當作標準流程
  8. 忽略 UACR，只看 eGFR 做 CV risk stratification

Uncertainty / Evidence Gaps

高度不確定

中度不確定

目前較明確

Bottom Line

CKD 的 CV risk stratification，最穩的做法不是「先算分數」，而是「先做 KDIGO G-A 分層」。 red-zone / G4–G5 / dialysis / 已知 CVD 多半可直接進入 category-based aggressive management； 綠黃橙區且仍屬 primary prevention 者，再用 PREVENT 做 finer calibration； CAC 與 biomarkers 則作為 selective add-on，而不是所有 CKD 的 routine baseline 套餐。

查核來源（Authoritative websites / PubMed / ClinicalTrials.gov）

Authoritative websites

  1. KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease
    • 官方 PDF（KDIGO）
  2. AHA PREVENT official calculator page
    • Professional Heart Daily / AHA
  3. AHA 2023 Cardiovascular-Kidney-Metabolic Health Presidential Advisory
    • Professional Heart Daily / AHA
  4. 2026 ACC/AHA Guideline on the Management of Dyslipidemia
    • AHA / ACC 官方 summary pages

PubMed

  1. Matsushita K, et al. Incorporating kidney disease measures into cardiovascular risk prediction. EClinicalMedicine. 2020. PMID: 33150324
  2. Khan SS, et al. Development and Validation of the AHA PREVENT Equations. Circulation. 2024. PMID: 37947085
  3. Diao JA, et al. Projected Changes in Statin and Antihypertensive Therapy Eligibility With the AHA PREVENT Cardiovascular Risk Equations. JAMA. 2024. PMID: 39073797
  4. Matsushita K, et al. Kidney measures beyond traditional risk factors for cardiovascular prediction. Lancet Diabetes Endocrinol. 2015.
  5. Bansal N, et al. Upper Reference Limits for hs-cTnT and NT-proBNP in Patients With CKD. Am J Kidney Dis. 2022. PMID: 34293394
  6. Tian / CRIC investigators. Progression of CAC and Clinical Events in CKD. AJKD. 2024. PMID: 39154888
  7. Yaqoob K, et al. Prognostic impact of albuminuria in early-stage CKD on cardiovascular outcomes. Heart. 2025. PMID: 39837596
  8. Faul C / Wolf M group. Fibroblast growth factor-23 and cardiovascular events in CKD. JASN. PMID: 24158986

ClinicalTrials.gov（named trial cross-check）

  1. SHARP — Study of Heart and Renal Protection. ClinicalTrials.gov ID: NCT00125593
  2. CANTOS — Cardiovascular Risk Reduction Study. ClinicalTrials.gov ID: NCT01327846

註：ClinicalTrials.gov 的交叉查核主要用於確認文中命名 landmark trials 的 registry identity 與 study framing；本版 decision note 的核心演算法仍以 KDIGO / AHA / ACC 官方文件與 PubMed 研究證據 為主。

🔜 下一題

Q15 — CKM Biomarkers 解讀：CV 風險分層的 framework 落實後，最容易誤判的下一個 layer 是 biomarker 在 CKD 的解讀陷阱——Q15 把 NT-proBNP / Troponin / UACR / Cystatin C 在 CKD 各 eGFR 的閾值校正與假陽性 / 假陰性 pattern 落實。

相關問答

依臨床情境分流：

跨 cluster 深化

Nephro Decisions｜https://nephrodecisions.com/ckm/q14-cv-risk-stratification/｜由腎臟科專科醫師主導，AI 輔助研究與多輪交替審稿。本文不構成醫療建議。

列印日期由瀏覽器產生｜文章更新日期：2026-05-12