目的系统评价复方丹参滴丸辅助羟苯磺酸钙治疗糖尿病性视网膜病变(DR)的临床效果。方法检索中国知网、万方数据知识服务平台、维普网、中国生物医学文献服务系统、PubMed、Embase、Web of Science和Cochrane Library建库至2023年7月复...目的系统评价复方丹参滴丸辅助羟苯磺酸钙治疗糖尿病性视网膜病变(DR)的临床效果。方法检索中国知网、万方数据知识服务平台、维普网、中国生物医学文献服务系统、PubMed、Embase、Web of Science和Cochrane Library建库至2023年7月复方丹参滴丸联合羟苯磺酸钙治疗DR的临床随机对照试验。结果共纳入11项临床随机对照试验,共848例患者,观察组425例,对照组423例。meta分析结果显示,与对照组比较,试验组视野灰度值[均值差(MD)(95%CI):-0.92(-0.96,-0.88),P<0.00001]、血管瘤体积[MD(95%CI):-3.11(-3.33,-2.89),P<0.00001]、出血斑面积[MD(95%CI):-0.76(-0.85,-0.67),P<0.00001]、黄斑厚度[MD(95%CI):-55.62(-62.59,-48.65),P<0.00001]、血管内皮生长因子水平[MD(95%CI):-17.63(-21.6,-13.59),P<0.00001]、肿瘤坏死因子-α水平[MD(95%CI):-13.3(-16.09,-10.68),P<0.00001]更低,视力[MD(95%CI):0.13(0.05,0.20),P<0.00001]更好。无明显不良反应或事件发生。敏感性分析检验证实模型稳定性高,结论可信度高。结论根据目前临床证据,复方丹参滴丸与羟苯磺酸钙联用可提高DR的临床疗效。展开更多
目的基于眼底彩照,分别应用经典卷积神经网络DenseNet121和轻量级网络GhostNet训练糖尿病视网膜病变(diabetic retinopathy,DR)的诊断模型(将DR和正常眼底做区分)和鉴别诊断(将DR和其他眼底病做区分)模型,评价基于轻量级网络GhostNet的D...目的基于眼底彩照,分别应用经典卷积神经网络DenseNet121和轻量级网络GhostNet训练糖尿病视网膜病变(diabetic retinopathy,DR)的诊断模型(将DR和正常眼底做区分)和鉴别诊断(将DR和其他眼底病做区分)模型,评价基于轻量级网络GhostNet的DR诊断模型的应用价值。方法收集大样本的眼底彩照29535张(含DR 9883张、正常眼底2000张、用于做鉴别诊断的其他致盲性眼底病17652张)。分别采用经典卷积神经网络DenseNet121和轻量级网络GhostNet建模,并借助迁移学习做模型训练。采用受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under the curve,AUC)、灵敏度、特异度、准确率评价模型性能。结果与基于DenseNet121的模型相比,基于GhostNet的模型对单张眼底照的诊断时间缩短了60.3%。在DR的诊断方面,基于GhostNet的模型的AUC值、灵敏度、特异度、准确率分别为0.911、0.888、0.934、91.3%,基于DenseNet121的模型的AUC值、灵敏度、特异度、准确率分别为0.954、0.921、0.986、95.5%。在DR与其他眼底病的鉴别诊断方面,基于GhostNet的模型的AUC值、灵敏度、特异度、准确率分别为0.862、0.856、0.901、87.8%;基于DenseNet121的模型的AUC值、灵敏度、特异度、准确率分别为0.899、0.871、0.935、90.2%。结论基于GhostNet轻量级神经网络构建的DR诊断模型和鉴别诊断模型,其诊断效率较经典模型DenseNet121有显著提升,并且模型兼具较高的准确率。对于社区医院等缺乏眼科医师且设备性能不高的基层医疗机构,可考虑应用该技术开展DR的初筛。展开更多
文摘目的系统评价复方丹参滴丸辅助羟苯磺酸钙治疗糖尿病性视网膜病变(DR)的临床效果。方法检索中国知网、万方数据知识服务平台、维普网、中国生物医学文献服务系统、PubMed、Embase、Web of Science和Cochrane Library建库至2023年7月复方丹参滴丸联合羟苯磺酸钙治疗DR的临床随机对照试验。结果共纳入11项临床随机对照试验,共848例患者,观察组425例,对照组423例。meta分析结果显示,与对照组比较,试验组视野灰度值[均值差(MD)(95%CI):-0.92(-0.96,-0.88),P<0.00001]、血管瘤体积[MD(95%CI):-3.11(-3.33,-2.89),P<0.00001]、出血斑面积[MD(95%CI):-0.76(-0.85,-0.67),P<0.00001]、黄斑厚度[MD(95%CI):-55.62(-62.59,-48.65),P<0.00001]、血管内皮生长因子水平[MD(95%CI):-17.63(-21.6,-13.59),P<0.00001]、肿瘤坏死因子-α水平[MD(95%CI):-13.3(-16.09,-10.68),P<0.00001]更低,视力[MD(95%CI):0.13(0.05,0.20),P<0.00001]更好。无明显不良反应或事件发生。敏感性分析检验证实模型稳定性高,结论可信度高。结论根据目前临床证据,复方丹参滴丸与羟苯磺酸钙联用可提高DR的临床疗效。
文摘目的基于眼底彩照,分别应用经典卷积神经网络DenseNet121和轻量级网络GhostNet训练糖尿病视网膜病变(diabetic retinopathy,DR)的诊断模型(将DR和正常眼底做区分)和鉴别诊断(将DR和其他眼底病做区分)模型,评价基于轻量级网络GhostNet的DR诊断模型的应用价值。方法收集大样本的眼底彩照29535张(含DR 9883张、正常眼底2000张、用于做鉴别诊断的其他致盲性眼底病17652张)。分别采用经典卷积神经网络DenseNet121和轻量级网络GhostNet建模,并借助迁移学习做模型训练。采用受试者工作特征(receiver operating characteristic,ROC)曲线及其曲线下面积(area under the curve,AUC)、灵敏度、特异度、准确率评价模型性能。结果与基于DenseNet121的模型相比,基于GhostNet的模型对单张眼底照的诊断时间缩短了60.3%。在DR的诊断方面,基于GhostNet的模型的AUC值、灵敏度、特异度、准确率分别为0.911、0.888、0.934、91.3%,基于DenseNet121的模型的AUC值、灵敏度、特异度、准确率分别为0.954、0.921、0.986、95.5%。在DR与其他眼底病的鉴别诊断方面,基于GhostNet的模型的AUC值、灵敏度、特异度、准确率分别为0.862、0.856、0.901、87.8%;基于DenseNet121的模型的AUC值、灵敏度、特异度、准确率分别为0.899、0.871、0.935、90.2%。结论基于GhostNet轻量级神经网络构建的DR诊断模型和鉴别诊断模型,其诊断效率较经典模型DenseNet121有显著提升,并且模型兼具较高的准确率。对于社区医院等缺乏眼科医师且设备性能不高的基层医疗机构,可考虑应用该技术开展DR的初筛。