TraceOrg 的 PKD 纵向图可以把多次影像检查整理成一个直观的时间趋势图。每一个点代表一次检查。线条代表估计趋势。彩色背景是 Mayo Imaging Classification 分级区间，用来帮助理解测量值所在的位置。
先看一个例子
下面的示例使用一个模拟 TraceOrg 账号，共有 2012 到 2040 年的 8 次检查。其中 4 次在过渡日期之前，4 次在过渡日期之后。示例里加入了少量检查间波动，这样更接近真实重复测量的情况。
在图中：
蓝色点代表过渡日期之前的检查。
绿色点代表过渡日期之后的检查。
红色竖线代表过渡日期。
蓝色和绿色线条分别总结过渡前后的趋势。
背景颜色代表 Mayo 1A 到 1E 分级区间。
过渡日期是一个中性的时间标记。它可以把时间线分成两个阶段，但图本身只是描述性总结，并不能证明变化发生的原因。
如何在 TraceOrg 生成这个图
打开或创建一个 PKD subject。
上传需要比较的影像检查。
确认每次检查的 study date 正确。
填写必要的 subject 信息：出生年份和身高。
如果希望把时间线分成前后两个阶段，可以填写 Transition date。
运行 PKD workflow。
打开生成的 longitudinal report。
如果有多次检查，并且时间跨度较长，趋势线通常更容易解读。有效检查越多，拟合可以使用的信息越多。
TraceOrg 测量什么
TraceOrg 会根据可用的分割结果估计器官体积：
TKV 是左肾体积和右肾体积之和。
htTKV 是 TKV 除以身高，单位是 mL/m。
如果可用，报告也会列出左肾、右肾和肝脏体积。
图下方的表格会列出用于绘图的数值，包括检查日期、年龄、htTKV、TKV、器官体积和阶段。
拟合线是怎么计算的
TraceOrg 把 htTKV 随年龄变化建模为指数增长：
htTKV(age) = a * exp(b * age)计算时会先对 htTKV 取自然对数：
log(htTKV) = log(a) + b * age然后 TraceOrg 对 log 转换后的数值做最小二乘拟合。年度增长率计算为：
annual growth (%) = (exp(b) - 1) * 100当有效 htTKV 检查数量为 4 次或更多时，TraceOrg 使用只基于实际检查点的 two-parameter least squares fit。也就是说，起始水平和增长率都由实际观测数据估计。
当有效 htTKV 检查数量为 1 到 3 次时，TraceOrg 使用 Mayo-anchored fallback 来提供背景参考。这个 fallback 使用 Mayo Imaging Classification 的约定：出生时 htTKV 为 150 mL/m。这个锚点只用于拟合背景，不会显示为一个假的检查点，也不会加入体积表格。
过渡日期如何处理
如果填写了 Transition date，TraceOrg 会判断哪些检查在过渡日期之前，哪些在过渡日期之后。当两个阶段都有足够的有效测量值时，TraceOrg 会分别绘制过渡前和过渡后的趋势线。
如果某一个阶段有效测量值太少，TraceOrg 仍然会显示已有的点和过渡日期，但不会强行给出很强的阶段趋势判断。报告中的说明会提示该拆分是否数据不足。
阅读趋势前建议检查什么
Study date 是否正确。
出生年份和身高是否正确。
纳入的检查是否来自目标 TraceOrg 账号。
肾脏分割 QA 是否合理。
体积表格是否和预期检查一致。
这个图是研究影像总结工具。它可以帮助整理纵向测量结果，但仍应结合原始影像、分割 QA 和报告其他部分一起阅读。
参考文献
1. Hu Z, Sharbatdaran A, He X, et al. Scientific Reports 2024. Nature article
2. Irazabal MV, Rangel LJ, Bergstralh EJ, et al. JASN 2015. PubMed
3. Bae KT, Shi T, Tao C, et al. JASN 2020. PMC