中国人眼颅压力梯度参考区间的临床研究

目的探讨中国人群眼颅压力梯度参考区间,为建立基于眼颅压力梯度的开角型青光眼诊疗新体系提供理论标准。 方法横断面研究。对2010年8月至2019年8月首都医科大学附属北京同仁医院神经内科需行腰椎穿刺的受试者共200例。其中,男性97例,女性103例,年龄区间12~79岁,平均(47.0±14.7)岁。对受试者进行眼压、颅压及全身基本参数测量。性别资料采用频数和百分比描述;年龄、身高、体重、眼压、颅内压、平均动脉压、体质指数及眼颅压力梯度等连续定量资料采用 ±s描述。对于少量缺失数据,采用马尔科夫链蒙特卡洛模拟(MCMC)对缺失数据进行多重插补。采用95%分位数法确定参考值范围,对于连续定量资料的多组间比较采用单因素方差分析,两两比较采用两独立样本t检验。 结果根据全体受试者测定人群眼压参考区间为9.015 mmHg~20.265 mmHg(1 mmHg＝0.133 kPa)。人群颅压参考区间为6.179 mmHg~14.921 mmHg。人群眼颅压力梯度参考区间为-2.987 mmHg~11.047 mmHg。眼颅压力梯度临床诊疗参考区间为0.423 mmHg~10.508 mmHg。以年龄进行分组,<30岁人群眼颅压力梯度参考区间为-2.968 mmHg~9.028 mmHg;30岁~50岁人群眼颅压力梯度参考区间为-2.466 mmHg~11.606 mmHg;>50岁人群眼颅压力梯度参考区间为-2.466 mmHg~11.606 mmHg。三组间眼颅压力梯度差异无统计学意义(F＝2.041,P>0.05)。以性别进行分组,男性眼颅压力梯度参考区间为-2.769 mmHg~10.089 mmHg;女性眼颅压力梯度参考区间为-3.137 mmHg~11.877 mmHg。两组间眼颅压力梯度的差异无统计学意义(t＝-1.413,P>0.05)。以体质指数(BMI)进行分组,BMI<21 kg/m²的人群眼颅压力梯度参考区间为-1.437 mmHg~11.577 mmHg;21 kg/m²2的人群眼颅压力梯度参考区间为-3.046 mmHg~11.026 mmHg;BMI>23 kg/m²的人群眼颅压力梯度参考区间为-3.947 mmHg~10.087 mmHg。不同BMI分组间,眼颅压力梯度差异有统计学意义(F＝6.109,P<0.05)。 结论眼颅压力梯度临床诊疗参考区间为0.423 mmHg~10.508 mmHg,可作为开角型青光眼临床诊疗的新指标。同时,还为开角型青光眼病因学诊断及个体化治疗的进一步深入研究,提供新的实践基础与研究方向。     

卫生经济学评价常见致盲眼病筛查的进展

糖尿病视网膜病变(DR)、青光眼、年龄相关性黄斑变性(AMD)和白内障是全球范围内常见的眼病,也是导致视力障碍和失明的主要原因.目前,已有多个国家或地区从卫生经济学角度评价上述眼病常规筛查的成本效益.但对其单独或联合筛查是否有成本效益尚无明确定论.本文中笔者就近年来国内外眼病筛查的卫生经济学研究进行综述,以期为我国常见...     

我国干眼流行病学的研究进展

干眼是一种临床常见的慢性眼表疾病.它是由泪膜的质或量以及泪液动力学异常所致的泪膜不稳定和(或)眼表的损害,进而出现眼部不适及视功能障碍的一类疾病.近年来,我国开展了大量较高水平的干眼流行病学调查研究项目,在干眼的流行病学研究上取得了显著成果.本文中笔者就干眼在我国不同地域和人群中流行病学分布的特征和危险因素进行综述.     

人工智能在青光眼领域的应用前景重点在于筛查还是预测

随着远程医疗会诊和人工智能技术等新型筛查方式的应用,采用人工智能辅助诊断技术被证明有潜力为青光眼筛查提供一种有效而快捷的方式。人工智能算法在基于基线检查结果对未来的病情变化如视野、神经纤维层厚度变化做出预测方面也取得了初步成效,然而结合我国实际情况,本文提出目前人工智能在青光眼领域的推广落地重点还应当放在筛查而非预测。...     

早期筛查老年人群糖尿病视网膜病变的卫生经济学分析

目的从社会角度和卫生系统角度探讨中国50岁以上人群行糖尿病视网膜病变(DR)筛查的经济学效益。方法检索中国知网、万方数据库、PubMed及Medline等数据库,检索日期为自建库之始至2020年12月,搜集中国50岁以上人群DR的患病率、转归率、筛查依从性、治疗依从性、筛查敏感性、筛查特异性、DR不同分期的效用值及死亡率等指标。按照国际分级系统将DR分为不威胁视力DR、威胁视力DR,糖尿病性黄斑水肿及DR致盲等4个阶段。筛查项目、转诊检查及治疗费用来源于邯郸眼病研究和2020年首都医科大学附属北京同仁医院住院系统。使用TreeAge Pro软件构建DR筛查的马尔可夫模型,以社区筛查、远程筛查及人工智能(AI)辅助筛查为研究策略,以无筛查为对照策略,以我国农村和城市50岁以上人群为队列人群,比较不同策略的成本效益,并比较1~5年筛查间隔的成本效益。2020年中国农村和城市人均生产总值(GDP)分别为49000元和84000元。经济学效益以增量成本-效用比(ICUR)和增量成本-效果比(ICER)表示。成本效益阈值按照世界卫生组织规定的ICER或ICUR<3倍人均GDP为具有成本效益,<1倍人均GDP为具有高成本效益,>3倍人均GDP则不具备经济性。通过敏感性分析评价模型的稳健性。结果农村和城市人群的成本效益阈值分别为147000元和252000元。从社会角度看,对农村50岁以上人群进行社区、远程及AI辅助筛查的ICUR分别为4214元、2772元及3206元;每避免1个致盲年导致的ICER分别为216524元、152726元及164745元;对城市人群筛查的ICUR分别为7133元、5061元及5894元;每避免1个致盲年导致的ICER分别为57792元、37632元及55839元。与无筛查人群相比,农村和城市的ICUR以及城市人群的ICER均<1倍人均GDP;3种筛查方式对农村50岁以上人群的ICER均略高于成本效益阈值。从卫生系统角度看,3种筛查方式对农村和城市老年人群的ICUR和ICER均低于成本效益阈值。社区或AI辅助筛查对城市老年人群间隔2年以上具有成本效益,远程筛查间隔1年以上已具有成本效益;而对农村人群各筛查间隔均不具有成本效益。经概率敏感性分析,当成本效益阈值为3倍人均GDP时,农村老年人群社区、远程及AI辅助筛查成本效益概率分别为87.34%、87.56%及87.54%;城市老年人群筛查的成本效益概率分别为89.19%、89.48%及89.61%。当成本效益阈值为1倍人均GDP时,3种筛查方式对农村老年人群筛查有成本效益的概率分别为86.03%、86.84%及86.55%;城市老年人群的成本效益概率分别为87.83%、88.55%及88.62%。说明构建马尔可夫模型的设计和结果稳健,对参数的浮动不敏感。结论对我国50岁以上老年人群进行DR筛查具有成本效益,因农村和城市的经济发展水平和疾病负担不同,应制定适宜当地的DR筛查模式。     

人工智能深度学习技术在辅助青光眼性眼底病变图像标注中的应用研究

目的探索人工智能(AI)深度学习技术用于青光眼性眼底病变(GON)筛查检出的效能。 方法采用诊断试验的研究方法，收集自2013年8月至2019年7月于首都医科大学附属北京同仁医院北京同仁眼科中心青光眼门诊就诊患者的眼底图像200张(200只眼)。根据阅片方式的不同，将采用AI系统阅片的定义为AI系统组，将医师人工阅片的定义为医师组。其中，医师组包括高年资眼科医师(眼底照片诊断经验为10年以上)、低年资眼科医师(眼底照片诊断经验为5年以上，10年以内)及全科医师。各组均对所有眼底图像进行阅片和标注。年龄和性别的数据经S-W检验证实呈正态分布者，以均数±标准差表示。经Levene检验证实方差齐，AI系统与不同级别医师单张平均阅片时间的比较采用单因素方差分析，两两比较采用LSD-t检验。采用敏感度、特异度及工作特性曲线下面积(AUC)对AI模型进行预测和性能评价。诊断符合率以百分数表示，AI系统与眼科高级医师阅片诊断的符合率、AI系统与不同级别医师阅片诊断符合率的比较，均采用卡方检验。 结果在医师组中，高年资眼科医师、低年资眼科医师及全科医师共6位医师共完成2次阅片。其诊断符合率的比较，差异均有统计学意义(χ²＝4.324，3.562，4.213，5.786，10.546，11.431；P<0.05)。AI系统阅片测试的敏感度为100.0%，特异度为88.6%，诊断符合率为90.5%，AUC为0.934。在AI系统辅助下，标注的符合率提升最大的为2位全科医师，分别达到了87.3%及82.5%。在AI系统辅助下，高年资眼科医师、低年资眼科医师及全科医师的平均阅片时间较独立阅片标注有明显缩短，差异均有统计学意义(t＝4.175、3.189、6.160；P<0.05)。 结论标准化智能AI标注辅助系统的应用有利于不同资质医师的准确诊断和提高效率。尤其，可以快速提升全科医师及低年资眼科医师标注的符合率。     

基于光学成像屈光补偿技术对视网膜屈光状态测量方法的研究

目的探讨采用光学成像屈光补偿技术测量人眼视网膜屈光状态的可行性。 方法利用基于屈光补偿进行视网膜成像屈光状态的检测方法对模拟眼进行屈光度检测。分别设定模拟眼屈光状态为-3.00 D、-2.00 D、-1.00 D、0 D、+1.00 D、+2.00 D及+3.00 D。在不同屈光状态下，分别测量模拟眼的屈光度10次。记录每次模拟眼的理论屈光度、图案板距离以及实际测量的屈光度。不同屈光状态下测量的屈光度值，采用均数±标准差表示。计算测量值相对于理论值的偏倚，即模拟眼屈光不正的理论值与测量值平均值的差值。采用组内相关系数，分析理论值与测量值的一致性。 结果当模拟眼的屈光状态设定为-3.00 D、-2.00 D、-1.00 D、0 D、+1.00 D、+2.00 D及+3.00 D时，基于屈光补偿测量视网膜屈光度的平均值分别为(2.99±0.07)D、(-1.98±0.07)D、(-0.96±0.07)D、(0.19±0.07)D、(1.18±0.10)D、(2.37±0.11)D及(3.48±0.09)D；测量的偏倚分别为-0.01 D、-0.02 D、-0.04 D、-0.19 D、-0.18 D、-0.37 D及-0.48 D。经Pearson相关分析，模拟眼测量偏倚的绝对值与理论屈光度成正相关，且具有统计学意义(r＝0.964，P<0.05)。10次实际测量的平均值与理论值有较好的一致性，具有统计学意义(ICC＝0.997，P<0.05)。当模拟眼处于-3.00 D、-2.00 D及-1.00 D(即屈光状态为近视)时，累计共测量30次。结果模拟眼理论屈光度与实际测量值有较好的一致性，具有统计学意义(ICC＝0.996，P<0.05)。当模拟眼处于+1.00 D、+2.00 D及+3.00 D(即屈光状态为远视)时，累计共测量30次。结果模拟眼理论屈光度与实际测量值有较好的一致性，具有统计学意义(ICC＝0.984，P<0.05)。 结论在模拟眼中基于屈光补偿技术进行视网膜成像屈光状态的测量方法准确且有效，该测量方法具有可行性。