蠕形螨睑缘炎的临床特征及疗效分析

目的:探讨不同年龄组蠕形螨睑缘炎患者的临床特征及茶树油湿巾联合深度睑板腺按摩的疗效。方法:回顾性收集2023-01/10就诊于空军军医大学西京医院眼科的蠕形螨睑缘炎患者146例292眼的病例资料,根据不同年龄将患者分为年龄≤45岁的A组(64例128眼)和年龄>45岁的B组(82例164眼)。分析两组治疗前,治疗后1、3 mo的双眼螨虫总计数、泪液分泌量、症状和体征评分及茶树油湿巾联合深度睑板腺按摩的疗效。结果:治疗前A组螨虫计数7(6,8)只,少于B组8(7,9.25)只(P<0.05)。A组眼干评分6(6,7)分,低于B组11(10,12)分(P<0.001)。A组眼表刺激症状评分10(9,11)分,高于B组6(6,7)分(P<0.001)。治疗1 mo后,两组患者螨虫计数下降,症状与体征评分均降低,坚持治疗3 mo各临床指标仍有不同程度改善,其中B组患者在治疗持续至3 mo时,螨虫计数仍有减少[-1(-3,0)只]。结论:年龄大于45岁的年长患者螨虫数量高于45岁以下患者,眼干严重,但眼表刺激症状较轻。茶树油湿巾联合深度睑板腺按摩治疗蠕形螨睑缘炎能有效减少不同年龄患者的螨虫数量,但泪液分泌量治疗后无明显变化,较长的治疗周期可获得持续的临床获益。

25G微创玻璃体切除联合黄斑前膜剥除术治疗特发性黄斑前膜视力恢复及影响因素研究

目的探讨特发性黄斑前膜患者行25G微创玻璃体切除联合黄斑前膜剥除术后视力恢复的影响因素。方法回顾性分析2015年1月-2018年6月解放军总医院第一医学中心眼科确诊为特发性黄斑前膜并接受手术治疗的患者17例(17眼),其中男性3例,女性14例,年龄45~73岁。17眼术式均为25G微创玻璃体切除联合黄斑前膜剥除术,其中3例剥除内界膜。比较手术前后3个月最佳矫正视力、黄斑中心凹厚度等临床数据。视力提升的相关因素分析采用Pearson及Spearman相关分析法。结果17眼术前平均最佳矫正视力(0.57±0.37)logMAR,术后3个月平均最佳矫正视力(0.34±0.29)logMAR,术后最佳矫正视力较术前有显著提升(P=0.009);术前平均黄斑中心凹厚度(412.56±132.02)μm,术后3个月平均黄斑中心凹厚度(266.29±80.84)μm,显著变薄(P<0.001)。相关分析结果显示:患者术后视力提升程度与术前最佳矫正视力(logMAR)显著负相关(r=-0.61,P=0.01);术后3个月最佳矫正视力(logMAR)与术前最佳矫正视力(logMAR)呈正相关(r=0.53,P=0.03),与病程呈正相关(r=0.51,P=0.004);两者与年龄、术前黄斑中心凹厚度无显著相关性。结论玻璃体切除联合黄斑前膜剥除术对特发性黄斑前膜患者的视力改善有显著的效果。患者术后最佳矫正视力的提升幅度与术前最佳矫正视力呈负相关,与术前黄斑中心凹厚度、年龄、病程无关。

糖尿病视网膜病变随访管理系统的研发与应用

目的:探索基于移动终端的糖尿病视网膜病变随访管理系统在眼科的临床应用。方法:眼科医师根据疾病诊疗特点设计数据库结构,与软件工程师合作研发糖尿病视网膜病变随访管理系统。糖尿病患者在医师指导下使用随访软件,完成随访计划。结果:糖尿病视网膜病变随访管理系统以移动App及微信公众号的形式呈现,包含个人信息、病史、系统体检、眼科专科检查、眼科治疗、系统治疗六大数据采集模块,具备移动办公、医患交流、病历管理、随访提醒、科研管理、安全防护等功能。投入临床应用,运行稳定。结论:利用随访系统跟踪管理糖尿病患者,一方面可为糖尿病视网膜病变临床诊疗决策提供参考,帮助患者明确病情并有效预防其发展;另一方面可为糖尿病视网膜病变的科学研究提供优质数据资料,具有广阔应用前景和社会效益。

现代战争眼战伤救治及防护研究进展

现代战争中,随着精确制导、高能爆炸性武器使用的增多,眼战伤的受伤环境、伤情伤势发生了巨大变化。我军多年来无战伤救治实践,传统的三区七级防护与救治体系难以更好地适应现代战争的需求。为提高我军眼战伤的救治及防护水平,该文对21世纪以来外军现代局部战争中的眼战伤流行病学、受伤环境、致伤因素、眼战伤救治体系及防护等的研究进展进行综述,分析我军眼战伤防护救治研究的现状,并对未来眼战伤的研究方向进行展望。

基于机器学习算法探讨糖尿病视网膜病变的风险因素

背景糖尿病视网膜病变(diabetic retinopathy,DR)是糖尿病患者主要并发症之一,其病程进行性发展可致视功能损伤甚至失明。探索影响DR进展的临床因素对糖尿病患者预防、控制和管理DR具有重要意义。目的通过机器学习算法和沙普利可加性特征解释方法(SHAP)分析探讨2型糖尿病患者并发DR的风险因素。方法回顾性分析“国家人口与健康科学数据共享平台”公布的“解放军总医院糖尿病并发症预警数据集”3000例2型糖尿病患者的临床资料,对58项观察变量在无DR并发症(non diabetic retinopathy,NDR)患者和并发DR患者两组组间进行基线分析以及差异性检验;评判XGBoost、随机森林、logistic回归三种机器学习算法,采用递归特征消除(RFE)和XGBoost机器学习算法选取最优模型预测变量,并对变量特征权重值排序;应用SHAP方法对模型的风险因子进行解释分析。结果DR组的高血压症(收缩压/舒张压)、糖化血红蛋白、血脂水平(总胆固醇、低密度脂蛋白)、脑卒中、肾病(血尿素、血肌酐、血尿酸)、肾衰、下肢动脉病变等并发比例或指标水平高于NDR组(P<0.05),而年龄、冠心病、心肌梗死、高脂血症、动脉粥样硬化症等低于NDR组(P<0.05)。XGBoost较其他模型表现更佳,模型中排在前十位的重要区分特征为肾病、冠心病、下肢动脉病变、身高、其他肿瘤、糖化血红蛋白、血尿素、血清白蛋白、肾衰、高脂血症。SHAP集成散点图解释XGBoost模型中变量的重要性依次为糖化血红蛋白(0.59)、肾病(0.44)、血尿素(0.32)、下肢动脉病变(0.25),四项的SHAP值>0且绝对值均高。同时SHAP值分布呈现明显分类,即DR的显著危险因素。糖化血红蛋白、肾病、血尿素对DR病程影响呈现潜在交互关系,且血尿素>5 mmol/L时DR风险显著升高。结论XGBoost算法和SHAP模型可用于预测糖尿病患者DR的风险因素及解释特征变量交互关系,提示糖化血红蛋白、合并肾病、血尿素水平对DR这一2型糖尿病微血管并发症的高风险预测性。

神经束路示踪技术在脊髓损伤与再生研究中的应用进展

脊髓损伤是神经科学领域重要的研究方向之一,而神经束路示踪技术是其重要的研究手段。脊髓中神经纤维性质复杂,在人类和动物间存在很多分布差异。本文对神经束路示踪技术、脊髓损伤易累及的主要神经纤维的分布特点和在种属间的差异及神经束路示踪技术在脊髓损伤与再生研究中的应用进行综述。

神经纤维瘤病Ⅱ型误诊为双侧视网膜母细胞瘤一例

1临床资料患者,女,15岁。主因“左眼视力下降伴外斜视12年余”于2018年12月入住解放军总医院第一医学中心神经外科。患儿于2005年开始无明显诱因出现左眼视力下降伴外斜视,当时未予相关检查及治疗。上述症状持续缓慢加重,于2008年至某院眼科就诊行相关检查示:“双侧视网膜母细胞瘤、左眼球内占位、右侧视网膜前膜”,并行“双眼底肿物激光封闭术”,术后未行放化疗,治疗后患者左眼视力明显下降,仅存光感。2016年患者突然出现左侧周围性面瘫,左面部电极样疼痛,未予检查及治疗。2018年至某院眼科行检查示:“左眼白内障”,并行“左眼晶状体超声乳化吸除术”。