论文部分内容阅读
目的:通过3073例弱视患者的回顾性研究,建立弱视患者2~2.5年治疗效果的预测模型,以期通过初诊信息个性化评估弱视患者的预后.
方法:自2003年6月至2018年9月间,在温州医科大学附属眼视光医院诊断为"弱视"的患者12601例,符合纳入标准的实际有效样本4981例,其中用于分析2~2.5年治疗效果的样本有3073例.分别研究弱视类型、初诊年龄、弱视程度等对治疗效果的影响.结合单因素分析的结果,通过SPSS18.0统计软件进行Logistic回归建立弱视治疗2~2.5年治疗效果的预测模型.
结果:根据病因分为形觉剥夺性弱视,斜视合并屈光参差性弱视,单纯斜视性弱视,单纯屈光参差性弱视,屈光不正合并斜视性弱视,屈光不正合并屈光参差性弱视,单纯屈光不正性弱视,屈光不正合并斜视合并屈光参差性弱视,共8类.本研究发现不同病因的弱视基本治愈率不相同(X2=101.049,P＜0.001).不同年龄段的基本治愈率不相同(X2=217.017,P＜0.001),年龄越小,基本治愈率越高.不同严重程度的患者基本治愈率不相同(X2=154.518,P＜0.001),两两相比差异均有统计学意义(P＜0.001),弱视严重程度越轻,基本治愈率越高.
根据影响治疗效果的相关因素的分析结果及以往研究结果,以"logit(P)=初诊年龄因素+病因因素+弱视程度因素+双眼屈光不正因素"的形式建立模型,每项因素都有多种不同自变量选择,经尝试多种不同自变量选择,权衡变量数量、各变量复杂程度及预测模型正确率,最终预测模型为:logit(P)=-0.234-0.236*X1-0.823*X2+2.936*X3+X4+0.151*X5-0.150*X6-0.099*X7+0.087*X8+0.127*X9;(注:X1:首诊年龄;X2:病因(屈光不正和屈光参差的两类弱视患者标为0,其余6类病因为1);X3:较差眼视力(小数记录);X4:较好眼视力(小数记录);X5:较差眼负球镜度数;X6:较差眼正球镜度数;X7:较差眼柱镜度数;X8:较好眼等效球镜度数;X9:初诊时间(年份-2003).Logit(P):＞0则预测为基本治愈,＜0则预测为未愈),模型正确率达71.7%,其中,病因的分类方式是依据单因素分析的结果:单纯屈光不正和单纯屈光参差的两类弱视患者的2~2.5年基本治愈率和其余6类病因的患者相比差异均有统计学意义(p＜0.01),其余6类病因两两相比差异均无统计学意义(p＞0.01).因此,将屈光不正和屈光参差的两类弱视患者分为一类,其余6类病因为另一类.若病因采用1~8类分类,则模型准确率可达72%,但表达上将复杂很多.
Logistic回归后发现单因素分析有统计学意义的影响因素仍都显示统计学显著性(P＜0.01),且和单因素结果的方向是一致的.结果显示年龄每增加1岁,基本治愈的概率减少为0.79倍.病因为单纯屈光不正或单纯屈光参差的弱视患者基本治愈的概率为其他6类患者的2.276倍.此外,较好眼的视力每增加0.1,基本治愈的概率提高为1.105倍;弱视眼(/视力较差眼)的视力每增加0.1,基本治愈的概率提高为1.341倍.
结论:病因为单纯屈光不正或单纯屈光参差的弱视患者2~2.5年基本治愈率高于形觉剥夺性、斜视性或含2种以上病因的弱视患者.年龄越小、弱视程度越轻的弱视患者2~2.5年基本治愈率较高.根据单因素分析结果及以往研究结果,利用Logistic回归建立的预测模型正确率达71.7%,说明除初诊因素以外的其他因素(如依从性、具体治疗方案)可能对结果也有一定影响.该预测模型与既往研究结果一致,模型的结构较为简单且正确率尚可,通过进一步临床新数据的验证后,可初步用于临床个性化评估弱视患者的预后.预测性更好的预测模型需加入更多影响因素及更标准的测量数据来建立.
方法:自2003年6月至2018年9月间,在温州医科大学附属眼视光医院诊断为"弱视"的患者12601例,符合纳入标准的实际有效样本4981例,其中用于分析2~2.5年治疗效果的样本有3073例.分别研究弱视类型、初诊年龄、弱视程度等对治疗效果的影响.结合单因素分析的结果,通过SPSS18.0统计软件进行Logistic回归建立弱视治疗2~2.5年治疗效果的预测模型.
结果:根据病因分为形觉剥夺性弱视,斜视合并屈光参差性弱视,单纯斜视性弱视,单纯屈光参差性弱视,屈光不正合并斜视性弱视,屈光不正合并屈光参差性弱视,单纯屈光不正性弱视,屈光不正合并斜视合并屈光参差性弱视,共8类.本研究发现不同病因的弱视基本治愈率不相同(X2=101.049,P＜0.001).不同年龄段的基本治愈率不相同(X2=217.017,P＜0.001),年龄越小,基本治愈率越高.不同严重程度的患者基本治愈率不相同(X2=154.518,P＜0.001),两两相比差异均有统计学意义(P＜0.001),弱视严重程度越轻,基本治愈率越高.
根据影响治疗效果的相关因素的分析结果及以往研究结果,以"logit(P)=初诊年龄因素+病因因素+弱视程度因素+双眼屈光不正因素"的形式建立模型,每项因素都有多种不同自变量选择,经尝试多种不同自变量选择,权衡变量数量、各变量复杂程度及预测模型正确率,最终预测模型为:logit(P)=-0.234-0.236*X1-0.823*X2+2.936*X3+X4+0.151*X5-0.150*X6-0.099*X7+0.087*X8+0.127*X9;(注:X1:首诊年龄;X2:病因(屈光不正和屈光参差的两类弱视患者标为0,其余6类病因为1);X3:较差眼视力(小数记录);X4:较好眼视力(小数记录);X5:较差眼负球镜度数;X6:较差眼正球镜度数;X7:较差眼柱镜度数;X8:较好眼等效球镜度数;X9:初诊时间(年份-2003).Logit(P):＞0则预测为基本治愈,＜0则预测为未愈),模型正确率达71.7%,其中,病因的分类方式是依据单因素分析的结果:单纯屈光不正和单纯屈光参差的两类弱视患者的2~2.5年基本治愈率和其余6类病因的患者相比差异均有统计学意义(p＜0.01),其余6类病因两两相比差异均无统计学意义(p＞0.01).因此,将屈光不正和屈光参差的两类弱视患者分为一类,其余6类病因为另一类.若病因采用1~8类分类,则模型准确率可达72%,但表达上将复杂很多.
Logistic回归后发现单因素分析有统计学意义的影响因素仍都显示统计学显著性(P＜0.01),且和单因素结果的方向是一致的.结果显示年龄每增加1岁,基本治愈的概率减少为0.79倍.病因为单纯屈光不正或单纯屈光参差的弱视患者基本治愈的概率为其他6类患者的2.276倍.此外,较好眼的视力每增加0.1,基本治愈的概率提高为1.105倍;弱视眼(/视力较差眼)的视力每增加0.1,基本治愈的概率提高为1.341倍.
结论:病因为单纯屈光不正或单纯屈光参差的弱视患者2~2.5年基本治愈率高于形觉剥夺性、斜视性或含2种以上病因的弱视患者.年龄越小、弱视程度越轻的弱视患者2~2.5年基本治愈率较高.根据单因素分析结果及以往研究结果,利用Logistic回归建立的预测模型正确率达71.7%,说明除初诊因素以外的其他因素(如依从性、具体治疗方案)可能对结果也有一定影响.该预测模型与既往研究结果一致,模型的结构较为简单且正确率尚可,通过进一步临床新数据的验证后,可初步用于临床个性化评估弱视患者的预后.预测性更好的预测模型需加入更多影响因素及更标准的测量数据来建立.