Einführung in die Nierenphysiologie und die Notwendigkeit der Modellierung

Die Nieren sind bemerkenswerte Organe, die eine breite Palette von kritischen Funktionen erfüllen: Filterung von Stoffwechselabfällen aus dem Blut, Aufrechterhaltung des Flüssigkeits- und Elektrolytgleichgewichts, Regulierung des Blutdrucks durch das Renin-Angiotensin-Aldosteron-System und Herstellung von Hormonen wie Erythropoetin. Für Patienten mit end-stage Nierenerkrankung (ESRD) dient die Dialyse als lebenserhaltender Ersatz für diese verlorenen Funktionen. Die Dialyse ist jedoch ein stumpfes Instrument im Vergleich zu der fein abgestimmten, kontinuierlichen Regulierung durch gesunde Nieren. Traditionelle Dialyserezepte folgen oft einem einheitlichen Ansatz, der auf Körpergröße und grundlegenden Laborwerten basiert, was zu suboptimalen Ergebnissen führen kann wie intradialytische Hypotonie, unzureichende Lösungsabspaltung und langfristige kardiovaskuläre Folgen.

Physiologische Modellierung der Nierenfunktion bietet einen Weg zur Präzisionsmedizin in der Nephrologie. Durch die Erstellung mathematischer und rechnerischer Darstellungen der zugrunde liegenden biologischen Prozesse können Kliniker simulieren, wie ein bestimmter Patient auf verschiedene Dialyseschemata reagiert, bevor sie diese implementieren. Diese prädiktive Fähigkeit ermöglicht eine wirklich individualisierte Behandlungsplanung, die von reaktiven Anpassungen zu proaktiver Optimierung übergeht.

Die Bedeutung der Nierenfunktionsmodellierung in der modernen Nephrologie

Genaue Modellierung der Filtration, Reabsorption, Sekretion und hormonellen Feedbackschleifen der Nieren ermöglicht es Gesundheitsteams, kritische klinische Fragen zu beantworten: Wie lange sollte eine Dialysesitzung dauern, um eine Zielharnstoffreduktion zu erreichen, ohne Elektrolytstörungen zu verursachen? Was ist die optimale Dialysat-Natriumkonzentration für einen Patienten, der zu Hypotonie neigt? Wie beeinflusst die Variation der Häufigkeit der Behandlungen die Clearance des mittleren Moleküls? Ohne ein Modell hängen diese Entscheidungen stark von Durchschnittswerten auf Bevölkerungsniveau und klinischer Intuition ab, was bei Patienten mit ungewöhnlicher Physiologie oder Komorbiditäten fehlschlagen kann.

Physiologische Modelle bieten auch einen Rahmen für das Verständnis des Zusammenspiels zwischen Dialyseparametern und Patientenergebnissen. Zum Beispiel ist die Entfernung von Phosphat während der Dialyse durch seine langsame Übertragung von intrazellulären zu extrazellulären Kompartimenten begrenzt. Ein Modell, das die Kompartimentkinetik umfasst, kann den zeitlichen Verlauf der Phosphatentfernung vorhersagen und bei der Planung von Sitzungen helfen, um eine Rebound-Hyperphosphatämie zu vermeiden. In ähnlicher Weise können Modelle des Flüssigkeitshaushalts Ultrafiltrationsraten steuern, um Krämpfe, Hypotonie und Organhyperfusion zu verhindern.

Über die direkte klinische Anwendung hinaus dienen diese Modelle als pädagogische Werkzeuge für Nephrologie-Auszubildende, die ihnen helfen, komplexe Physiologie zu visualisieren. Sie beschleunigen auch die Forschung, indem sie in silico-Studien zu neuartigen Dialysestrategien ermöglichen und den Bedarf an kostspieligen und zeitraubenden klinischen Studien reduzieren.

Komponenten von physiologischen Modellen der Nierenfunktion

Moderne physiologische Modelle der Niere bestehen aus mehreren Kernkomponenten, die jeweils einen Schlüsselaspekt der Nierenphysiologie darstellen und in ein zusammenhängendes System integriert sind, das das dynamische Verhalten des Umgangs mit gelöstem Wasser und gelöstem Wasser simulieren kann.

Glomerulare Filtrationsdynamik

Die Glomerulus-Filterung erfolgt unter normalen Bedingungen pro Tag in etwa 180 Liter Plasma. Modelle der glomerulären Filtration beinhalten die Starling-Kräfte (hydrostatische und onkotische Drücke über die Kapillarwand), die glomeruläre Filtrationsrate (GFR) und die Siebkoeffizienten für verschiedene gelöste Stoffe. Bei der Dialysemodellierung wird die Restnierenfunktion (falls vorhanden) als ein zeitlich variierender Begriff dargestellt, der die Gesamtclearity beeinflusst. Parameter wie filtrationsfraktion und effektiver Nierenplasmafluss werden oft aus patientenspezifischen Daten geschätzt oder auf der Grundlage von Populationsnormen angenommen.

Tubuläre Reabsorption und Sekretion

Nach der glomerulären Filtration verändern die röhrenförmigen Segmente (Proximalröhrchen, Henle-Schleife, distales Röhrchen und Sammelkanal) das Filtrat durch aktiven und passiven Transport. Modelle simulieren die Resorption von Wasser, Natrium, Chlorid, Bicarbonat, Harnstoff und Glukose sowie die Sekretion organischer Ionen und Medikamente. Für Dialysezwecke ist der Schlüssel die renale Handhabung urämischer Toxine wie Harnstoff, Kreatinin und Beta-2-Mikroglobulin. Die röhrenförmige Komponente umfasst auch das Gegenstrommultiplikatorsystem zur Urinkonzentration, das in ESRD weitgehend fehlt, aber wichtig für das Verständnis der Auswirkungen der Restfunktion ist.

Elektrolyt und Säure-Basen-Balance

Die Homöostase von Natrium, Kalium, Kalzium, Magnesium, Phosphat und pH-Wert ist eine komplexe Aufgabe. Physiologische Modelle verfolgen die Bewegung dieser Ionen zwischen extrazellulären und intrazellulären Kompartimenten sowie ihre Entfernung durch Dialyse. Beispielsweise wird die Kaliumkinetik stark durch Insulin, Katecholamine und Säure-Basen-Status beeinflusst. Ein Modell, das diese regulatorischen Mechanismen berücksichtigt, kann das Risiko von Hyperkalämie oder Hypokalämie während und nach der Dialyse vorhersagen. In ähnlicher Weise umfassen Säure-Basen-Modelle die Henderson-Hasselbalch-Beziehung, Bicarbonatregeneration und die Rolle des Dialysatpuffers.

Hormonelle Regulierung

Die Nieren sind sowohl Ziele als auch Produzenten mehrerer Hormone. Aldosteron fördert die Natriumreabsorption und Kaliumsekretion; antidiuretisches Hormon (ADH) reguliert die Wasserreabsorption; Parathormon (PTH) steuert den Umgang mit Kalzium und Phosphat; und Erythropoetin stimuliert die Produktion roter Blutkörperchen. Bei fortgeschrittenen chronischen Nierenerkrankungen ist eine hormonelle Dysregulation üblich. Modelle, die diese Hormonachsen enthalten, können die Auswirkungen der Dialyse auf den Blutdruck, den Elektrolythaushalt und das Anämiemanagement simulieren. Zum Beispiel kann eine schnelle Ultrafiltration eine sympathische Reaktion und Freisetzung von Vasopressin auslösen, was nachfolgende Flüssigkeitsverschiebungen beeinflusst.

Kompartmentale Kinetik

Um die Entfernung von gelöstem Stoff genau zu simulieren, teilen Modelle den Körper in Kompartimente auf, die typischerweise Plasma, interstitielle Flüssigkeit und intrazelluläre Flüssigkeit enthalten. Das Zwei-Kompartiment-Modell ist das häufigste für die Harnstoffkinetik: ein zentrales Kompartiment (Plasma und gut durchblutete Gewebe) und ein peripheres Kompartiment (Muskel und andere schlecht durchblutete Gewebe). Während der Dialyse wird Harnstoff aus dem zentralen Kompartiment entfernt, wodurch ein Konzentrationsgradient entsteht, der Harnstoff aus dem peripheren Kompartiment antreibt. Nach der Dialyse tritt ein Rebound-Effekt auf, wenn Harnstoff wieder in Gleichgewicht gebracht wird.

Anwendungen in der Dialysebehandlungsplanung

Physiologische Modelle übersetzen die Theorie in die klinische Praxis, indem sie die Simulation verschiedener Dialyseregime ermöglichen, deren Anwendungen das gesamte Spektrum der Dialyseverschreibung und -überwachung abdecken.

Optimierung der Dialysedosis und -frequenz

Die klassische Metrik der Dialyseadäquanz, Kt/V (ein dimensionsloses Maß für die Harnstoff-Clearance), wird von einem Einzel-Kompartiment-Modell abgeleitet, das jedoch die abgegebene Dosis überschätzen kann, wenn Zwei-Kompartiment-Effekte signifikant sind. Ausgefeiltere Modelle ermöglichen es Klinikern, äquilibrierte Kt/V zu berechnen und die Auswirkungen einer sich ändernden Sitzungslänge oder -häufigkeit vorherzusagen. Beispielsweise verbessert die tägliche nächtliche Hämodialyse die Clearance und den Flüssigkeitshaushalt des Mittelmoleküls, und ein physiologisches Modell kann diese Vorteile für einen einzelnen Patienten quantifizieren. Das Modell kann auch die erforderliche Blutflussrate, Dialysatflussrate und Dialysatoroberfläche vorhersagen, um ein Ziel zu erreichen Kt/V bei gleichzeitiger Minimierung der Behandlungszeit.

Personalisierung der Dialysatzusammensetzung

Physiologische Modelle können die Nettobewegung von Ionen über den Dialysator und die daraus resultierenden Veränderungen der Plasmakonzentrationen simulieren. Zum Beispiel kann ein Modell die Dialysat-Natriumkonzentration identifizieren, die einen übermäßigen Flüssigkeitsgewinn verhindert und gleichzeitig das Risiko einer Hypernatriämie oder eines Dursts minimiert. Ebenso kann das Modell für Patienten mit kaliumsenkenden Medikamenten Dialysat-Kalium anpassen, um gefährliche Schwankungen zu vermeiden.

Hämodynamische Stabilität und Ultrafiltrationsrate

Intradialytische Hypotonie ist eine häufige Komplikation, die durch schnelle Flüssigkeitsentnahme verursacht wird, die die Fähigkeit des Herz-Kreislauf-Systems zur Kompensation übersteigt. Modelle, die die Flüssigkeitsvolumendynamik mit Herz-Kreislauf-Reflexen koppeln (Baroreflex, venöse Compliance und Plasma-Nachfüllrate) können die maximale sichere Ultrafiltrationsrate für einen bestimmten Patienten vorhersagen. Durch Simulation verschiedener Ultrafiltrationsprofile - konstant, stufenförmig oder Profiling - können Kliniker eine Strategie wählen, die den Blutdruck aufrechterhält und Krämpfe verhindert. Diese Modelle enthalten auch Anpassungen basierend auf Patienten-berichteten Symptomen und Echtzeit-Überwachungsdaten.

Vorhersage und Vermeidung von Komplikationen

Über Hypotonie hinaus helfen physiologische Modelle, andere unerwünschte Ereignisse zu antizipieren: Müdigkeit nach der Dialyse aufgrund einer schnellen Entfernung gelöster Stoffe, Herzrhythmusstörungen durch Elektrolytverschiebungen und Dialyseungleichgewichtssyndrom, das durch schnelle Harnstoff-Clearance verursacht wird, was zu einem zerebralen Ödem führt. Durch die Anpassung der Behandlungsparameter in silico kann das Modell ein Regime identifizieren, das diese Risiken minimiert. Zum Beispiel können niedrigere Blutflussraten und kürzere Anfangssitzungen das Ungleichgewicht bei neuen Dialysepatienten mildern. Im Laufe der Zeit kann das Modell mit aktuellen klinischen Daten aktualisiert werden, um Vorhersagen zu verfeinern.

Führende Medikamentendosierung

Die physiologische Modellierung der Nieren- und Dialyse-Clearance ermöglicht eine optimale Dosierung von Antibiotika, Antihypertensiva und anderen Medikamenten. Zum Beispiel kann die Modellierung des Zeitverlaufs von Vancomycin (einem großen Molekül, das hauptsächlich durch Dialyse geklärt wird) helfen, zu bestimmen, wann die nächste Dosis verabreicht werden soll, um das therapeutische Niveau ohne Toxizität aufrechtzuerhalten.

Zukünftige Richtungen und aufkommende Technologien

Das Gebiet der physiologischen Modellierung für die Dialyse schreitet rasant voran, angetrieben von Innovationen in der Datenwissenschaft, Sensorik und Rechenleistung. Mehrere wichtige Trends versprechen, diese Modelle in klinischen Umgebungen noch genauer und umsetzbarer zu machen.

Integration von Echtzeit-Patientendaten

Tragbare Sensoren und kontinuierliche Überwachungsgeräte, wie Bioimpedanzspektroskopie für den Flüssigkeitszustand, kontinuierliche Blutdruckmonitore und tragbare Sensoren für die Herzfrequenzvariabilität, können Echtzeiteingaben für physiologische Modelle liefern, was eine dynamische Anpassung der Dialyseparameter während einer Sitzung ermöglicht, ein Konzept, das als adaptive Dialyse bekannt ist. Wenn beispielsweise die Bioimpedanz anzeigt, dass sich die Plasmanachfüllung verlangsamt, kann das Modell automatisch die Ultrafiltrationsrate reduzieren, um Hypotonie zu verhindern.

Machine Learning und Künstliche Intelligenz

Physiologische Modelle sind von Natur aus mechanistisch und beruhen auf bekannter Biologie. Sie können jedoch durch Algorithmen des maschinellen Lernens verbessert werden, die patientenspezifische Parameterwerte aus historischen Daten lernen. Deep Learning kann nichtlineare Beziehungen identifizieren, die mit herkömmlichen Differentialgleichungen schwer zu erfassen sind. Hybridmodelle, die mechanistisches Verständnis mit datengesteuerten Komponenten kombinieren, bieten das Beste aus beiden Welten: Sie bleiben interpretierbar und halten sich an physiologische Einschränkungen, während sie sich an individuelle Variabilität anpassen.

Digitale Zwillinge für personalisierte Dialyse

Das Konzept eines digitalen Zwillings—eine virtuelle Nachbildung eines Patienten, die kontinuierlich mit realen Daten aktualisiert wird—wird in der Medizin immer mehr an Bedeutung gewinnen. Bei der Dialyse würde ein digitaler Zwilling das physiologische Modell, die patientenspezifische Anatomie (z. B. Gefäßzugangsgeometrie), die Behandlungsgeschichte und lebende Sensor-Feeds integrieren. Kliniker könnten Simulationen am Zwilling durchführen, um verschiedene Behandlungsstrategien zu testen, bevor sie sie auf den Patienten anwenden, das Risiko minimieren und die Wirksamkeit maximieren. Frühe Pilotstudien in Europa und den Vereinigten Staaten haben die Machbarkeit der Verwendung digitaler Zwillinge zur Personalisierung von Hämodialyse-Rezepten gezeigt, mit vielversprechenden Ergebnissen bei der Verringerung intradialytischer Komplikationen.

Fortschritte bei der Modellvalidierung und klinischen Studien

Um eine breite Akzeptanz zu erreichen, müssen physiologische Modelle rigoros gegen klinische Ergebnisse validiert werden. Forscher führen jetzt kontrollierte Studien durch, in denen modellprädizierte Rezepte mit Standardversorgung verglichen werden. Zum Beispiel randomisierte eine Studie Patienten entweder mit Standarddialyse oder einem Regime, das unter Verwendung eines zweikompartimentären Harnstoffmodells mit Bioimpedanzführung optimiert wurde. Die Ergebnisse zeigten signifikant bessere Flüssigkeitszustands- und Blutdruckkontrolle in der modellgesteuerten Gruppe. Mit mehr solchen Studien wird das Vertrauen in die Modellierung steigen, und Regulierungsbehörden können Modellierungsdaten in Gerätegenehmigungsverfahren einbeziehen.

Herausforderungen und Einschränkungen

Trotz des Versprechens bleiben einige Herausforderungen bestehen, bevor physiologische Modellierung in Dialysekliniken zur Routine wird. Erstens erfordern die Modelle genaue patientenspezifische Parameter, von denen viele nicht routinemäßig gemessen werden. Zum Beispiel erfordert die Kenntnis der genauen Kompartimentvolumina eines Patienten, der interkompartimentalen Übertragungskoeffizienten und der hämodynamischen Reaktionen anspruchsvolle diagnostische Tests oder Annahmen. Zweitens können die Modelle rechenintensiv sein, insbesondere wenn komplexe Differentialgleichungen in Echtzeit gelöst werden.

Eine weitere Einschränkung ist das Fehlen standardisierter Schnittstellen zwischen elektronischen Patientenakten (EHR) und Modellierungssoftware. Viele Dialysezentren sind immer noch auf Papier oder grundlegende digitale Aufzeichnungen angewiesen, was es schwierig macht, automatisch Daten in Modelle einzuspeisen. Darüber hinaus müssen die Modelle in verschiedenen Patientenpopulationen validiert werden, einschließlich solcher mit unterschiedlichem Alter, Komorbiditäten und ethnischem Hintergrund. Ohne eine breite Validierung besteht die Gefahr, dass Modellvorhersagen für bestimmte Gruppen ungenau sein können.

Schließlich erfordert die klinische Einführung der modellgesteuerten Dialyse eine Ausbildung für Nephrologen, Krankenschwestern und Techniker. Viele medizinische Fachkräfte sind mit der zugrunde liegenden Mathematik nicht vertraut und können einer Blackbox-Empfehlung misstrauen. Benutzerfreundliche Schnittstellen, die Empfehlungen in klaren klinischen Begriffen präsentieren - anstatt Parameterschätzungen - sind für die Aufnahme unerlässlich.

Klinische Umsetzung und praktische Überlegungen

Die Integration physiologischer Modelle in die tägliche Praxis erfordert keine vollständige Überarbeitung der aktuellen Protokolle. Viele Kliniken können mit einfachen Werkzeugen beginnen, wie z. B. zweikompartimentäre Harnstoff-Kinetikmodelle, die in Dialysemaschinen eingebaut sind oder als webbasierte Rechner verfügbar sind. Diese Werkzeuge können bei monatlichen Angemessenheitskontrollen verwendet werden, um die Behandlungszeit und den Blutfluss zu verfeinern. Fortgeschrittene Modelle, die Flüssigkeitsdynamik und Elektrolyte enthalten, können selektiv für Patienten mit häufigen Komplikationen oder für Patienten verwendet werden, die von der In-Center- zu der Heimdialyse wechseln.

Die Zusammenarbeit zwischen klinischen Teams und biomedizinischen Ingenieuren ist von entscheidender Bedeutung. Dialyseeinheiten sollten einen „Champion identifizieren, der sowohl die klinischen als auch die technischen Aspekte versteht und sich für eine modellorientierte Entscheidungsfindung einsetzen kann. Regelmäßige Audits, die Modellvorhersagen mit tatsächlichen Ergebnissen vergleichen, können dazu beitragen, die Modellparameter für jeden Patienten zu verfeinern und eine Feedbackschleife zu erstellen, die die Genauigkeit im Laufe der Zeit verbessert.

Vergleich mit anderen Ansätzen zur Dialyseoptimierung

Physiologische Modellierung ist nicht die einzige Methode zur Anpassung der Dialyse, sondern alternative Ansätze sind:

  • Empirische Anpassung basierend auf Laborergebnissen: Dies ist der aktuelle Standard, ist aber eher reaktiv als proaktiv.
  • Bioimpedanz-Spektroskopie allein: Bietet Flüssigkeitsstatus, aber keine gelöste Kinetik oder hormonelle Wirkungen.
  • Online-Clearance-Monitoring: misst die effektive Harnstoff-Clearance in Echtzeit, prognostiziert aber nicht zukünftige Zustände oder optimiert mehrere Parameter gleichzeitig.
  • Künstliche Intelligenz-basierte prädiktive Algorithmen: Kann mächtig sein, aber oft fehlt es an mechanistischer Interpretierbarkeit und kann in neuen oder komplexen Szenarien scheitern.

Physiologische Modellierung nimmt eine einzigartige Nische ein: Sie ist sowohl prädiktiv als auch erklärend und ermöglicht es Klinikern, zu verstehen, warum ein bestimmtes Regime optimal ist. In Kombination mit datengesteuerten Methoden bietet sie den umfassendsten Rahmen für die Personalisierung der Dialyse.

Ethische Überlegungen und patientenzentriertes Design

Wie bei jedem KI-getriebenen oder modellbasierten medizinischen Werkzeug müssen ethische Fragen angegangen werden. Transparenz ist von entscheidender Bedeutung: Patienten und Kliniker sollten die Annahmen, Grenzen und Vertrauensintervalle des Modells verstehen. Das Modell sollte so konzipiert sein, dass gesundheitliche Ungleichheiten verringert und nicht verschärft werden. Wenn die zugrunde liegenden Daten, die zur Entwicklung des Modells verwendet werden, beispielsweise hauptsächlich von weißen männlichen Populationen stammen, kann es für Frauen und Minderheitengruppen schlecht funktionieren. Die Gewährleistung unterschiedlicher Trainingsdaten und die explizite Validierung über demografische Daten hinweg ist unerlässlich.

Darüber hinaus muss die Entscheidung für die Verwendung der modellgesteuerten Dialyse zwischen dem Kliniker und dem Patienten geteilt werden. Das Modell ist ein Entscheidungshilfeinstrument, kein Ersatz für klinische Beurteilungen. Patienten sollten darüber informiert werden, dass ihre Behandlung mit computergestützten Methoden optimiert wird und die Möglichkeit gegeben wird, Fragen zu stellen. Die Privatsphäre von Patientendaten, insbesondere wenn sie in Echtzeit überwacht werden, muss durch Vorschriften wie HIPAA in den Vereinigten Staaten und GDPR in Europa geschützt werden.

Fallstudie: Implementierung eines zweikompartimentären Harnstoffmodells

Um die praktischen Auswirkungen zu veranschaulichen, betrachten Sie einen 68-jährigen Mann mit ESRD auf dreifach wöchentliche Hämodialyse. Er erlebt häufige Ermüdung nach der Dialyse und gelegentliche Hypotonie. Unter Verwendung eines zweikompartiment Harnstoffmodells mit patientenspezifischen Parametern (Gewicht, Hämatokrit, Rest-GFR) simulierte das klinische Team den Effekt der Verlängerung der Sitzungszeit von 4 auf 5 Stunden bei gleichzeitiger Verringerung des Blutflusses von 400 auf 350 ml / min. Das Modell sagte einen geringen Anstieg des equilibrierten Kt / V (von 1,4 auf 1,5) und ein glatteres Harnstoffentfernungsprofil voraus, wodurch die maximale Harnstoffreduktionsrate, die zur Ermüdung beiträgt, reduziert wurde. Nach der Umsetzung der Änderung berichtete der Patient weniger Episoden von Ermüdung und verbesserte Energieniveaus und sein intradialytischer Blutdruck blieb stabil. Dieser Fall zeigt, wie Modellierung bessere Ergebnisse erzielen kann, ohne höhere Dosen oder intensivere Behandlungen erfordern.

Fazit: Der Weg vorwärts

Physiologische Modellierung der Nierenfunktion hat sich von der akademischen Neugier zu einem klinisch relevanten Werkzeug entwickelt, das die Dialysebehandlungsplanung erheblich verbessern kann. Durch die Simulation des komplexen Zusammenspiels von Filtration, Reabsorption, Sekretion und hormoneller Regulation ermöglichen diese Modelle personalisierte Rezepte, die die Wirksamkeit verbessern, Komplikationen reduzieren und die Lebensqualität von Patienten mit ESRD verbessern. Da die Rechenleistung zunimmt, wird die Echtzeit-Datenintegration möglich und maschinelles Lernen verfeinert Modellparameter, die Vision einer vollständig personalisierten, adaptiven Dialysesitzung ist in Reichweite.

Die Nephrologie-Gemeinschaft sollte diese Fortschritte annehmen und in Bildung, klinische Validierung und robuste Umsetzungsstrategien investieren. Für Patienten ist das Versprechen eine Zukunft, in der die Dialyse nicht mehr eine starre, einheitliche Therapie ist, sondern eine dynamische und ansprechende Behandlung, die auf ihre einzigartige Physiologie zugeschnitten ist. Letztendlich ist das Ziel nicht nur, die Nierenfunktion zu ersetzen, sondern dies auf die patientenfreundlichste und effektivste Weise zu tun - und physiologische Modellierung ist ein wesentlicher Schritt auf diesem Weg.

Für weitere Informationen über Nierenphysiologie Modellierung und Dialyseplanung, beziehen Sie sich auf Ressourcen aus der National Kidney Foundation , das National Institute of Diabetes und Verdauungs- und Nierenerkrankungen (NIDDK) und aktuelle klinische Studien indexiert auf PubMed .