估计眼中视野进展的真实速率的分布
Giovanni Montesano1,2, David P Crabb1, David M Wright3
1City, University of London, Optometry and Visual Sciences, London, UK.
Translational vision science & technology
|April 9, 2024
概括
本研究引入了一种 exGaussian 线性混合模型 (LMM),以准确估计青光眼中视野损失进展的真实速率. 这种新型模型提高了准确性,并有助于临床试验样本大小计算.
科学领域:
- 眼科医生 眼科 眼科
- 生物统计学 生物统计学
- 医疗成像医学成像
背景情况:
- 玻璃眼是导致不可逆转失明的主要原因.
- 准确估计视野 (VF) 损失进展对于患者管理和临床试验至关重要.
- 标准统计模型可能会在估计真正的进展率 (RoP) 中引入偏差.
研究的目的:
- 估计青光眼患者视野 (VF) 损失的真实进展率 (RoP) 的分布.
- 为了将一个新的exGaussian线性混合模型 (LMM) 与一个标准的Gaussian-LMM进行比较,用于建模VF损失进展.
- 用不同的LMM方法评估RoP估计的准确性.
主要方法:
- 用贝叶斯层次线性混合模型 (LMM) 对3352只眼睛的VF平均偏差进展的分析.
- 建模RoP分布作为负指数和高斯分布 (exGaussian-LMM) 的和.
- 使用Watanabe-Akaike信息标准 (WAIC) 和Kolmogorov-Smirnov测试对exGaussian-LMM和Gaussian-LMM进行比较.
主要成果:
- 前高斯-LMM提供了一个比标准高斯-LMM更好的模型合适 (WAIC差异:157.2).
- 前高斯-LMM与实证数据没有显著差异 (P = 0.108),而高斯-LMM (P < 0.0001).
- 估计的真实RoP比观察到的RoP更为负,这表明标准LMM的偏差.
结论:
- 在 exGaussian-LMM 准确地估计了视野损失的真实进展率 (RoP) 的分布.
- 这种改进的模型提高了评估青光眼进展的准确性.
- 这些发现支持开发更好的临床试验设计工具.
