← 最新论文
👁️ ophthalmology

Virtual control arms for paediatric myopia trials: external validation of axial-elongation models

本研究验证了五种已发表的用于预测儿童近视未治疗性眼轴增长的模型,发现虽然区域模型能准确估算东亚儿童在 6 个月和 12 个月时的平均增长情况,但无法提供可靠的个体预测,也无法充分代表南亚人群,从而凸显了该工具作为未来临床试验设计中群体层面工具的效用,而非作为个体预测工具。

原作者: Bakaraju, R. C., Bandela, P. K., Sha, J., Tilia, D.

发布于 2026-08-23
📖 1 分钟阅读☕ 轻松阅读

原作者: Bakaraju, R. C., Bandela, P. K., Sha, J., Tilia, D.

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

人类的眼睛在整个童年时期都会持续生长,就像身体的其他部分一样。在许多儿童中,这种生长并不会在预定的时间停止,导致眼轴过长。这种被称为近视的状态会让远处的物体看起来模糊不清。几十年来,测试新疗法是否能减缓这种生长的标准方法是进行临床试验。在这样的试验中,一些儿童会接受新疗法,而另一些儿童则佩戴没有任何特殊功能的标准眼镜,作为对照组,用以展示在没有干预的情况下会发生什么。然而,随着能够减缓眼轴增长的有效疗法变得越来越普遍,要求家庭让孩子参加一个可能无法获得任何积极治疗的实验,正变得越来越困难且在伦理上受到质疑。当更好的选择存在时,家长不愿让自己的孩子在没有帮助的情况下度过这段时期,而且那些病情恶化迅速的儿童往往会退出研究,从而导致结果出现偏差。这给研究人员带来了困境:他们需要知道不进行治疗时会发生什么,以证明一种新药或镜片是否有效,但他们很难找到愿意接受不治疗的儿童。

为了解决这个问题,研究人员转向了数学。研究人员不再依赖于一组未接受治疗的儿童,而是可以使用计算机模型来预测如果一个孩子的眼睛没有接受治疗,其生长情况会如何。这些模型充当“虚拟对照臂”,根据年龄、当前视力和背景等因素,提供一个关于未治疗路径的统计学估计。然而,挑战在于如何知道这些预测是否准确。如果模型错了,整个试验可能会产生误导。一支研究团队着手测试了五种不同的已发表模型,以观察它们是否能正确预测那些未接受任何特殊治疗的真实儿童的眼轴生长情况。他们收集了来自具有中国、越南和印度血统的242名儿童的数据,这些儿童当时佩戴着标准眼镜。研究人员测量了这些儿童在研究开始时以及大约六个月和十二个月后的眼轴长度。随后,他们将这些真实眼睛的实际生长情况与五种不同数学模型的预测生长情况进行了对比。

研究发现,最新的模型考虑了儿童特定的种族背景,对于东亚裔儿童而言,其准确性非常高。对于这些儿童,模型预测的六个月平均生长量与实际测量值的误差极小,差异甚至不到一根头发丝的宽度。这表明,对于这一特定群体,虚拟对照臂可以可靠地取代临床试验中未接受治疗的儿童组。然而,研究人员也发现了一个显著的局限性:模型在预测个体间差异方面并不完美。虽然模型得到了平均生长率,但它们低估了现实生活中存在的差异范围。模型暗示大多数儿童的生长速度会非常相似,但在现实中,有些儿童生长得比平均水平快得多,或者慢得多。这意味着,模型是预测大规模人群生长情况的优秀工具,但它们无法准确预测某个特定儿童未来的生长情况。

对于南亚裔儿童,特别是印度裔儿童,情况则更为复杂。现有的模型中没有专门针对这一群体的类别。当研究人员将针对东亚或欧洲儿童的模型应用于研究中的印度儿童时,预测结果出现了偏差。印度儿童的眼轴生长速率处于其他两组预测速率之间,更接近东亚人的速率,但并未完全吻合。这表明,虽然目前的工具很有用,但它们并不完整。它们对东亚人群有效,却让南亚儿童失去了可靠的预测方法。研究人员得出结论,为了使这些模型对所有人真正有用,必须收集专门针对南亚儿童的新数据,并将其添加到系统中。

另一个关键发现是,测量时机的选择比此前认为的更为重要。模型旨在预测特定周期(例如整整六个月)内的生长情况。但在现实世界中,儿童的检查预约很少恰好发生在日历上的精确日期。研究表明,如果研究人员仅仅假设一次就诊发生在六个月时,而实际上发生在六个半月时,预测就会出现轻微偏差。通过使用两次就诊之间经过的精确天数,研究人员能够使他们的比较更加精准。这种对细节的关注至关重要,因为成功治疗与失败治疗之间的区别可能非常微小,通常仅为眼轴长度的零点几毫米。

研究人员还开发了一款免费的开源软件工具,将所有这些不同的模型整合在一起。该工具允许其他科学家在自己的数据上运行相同的计算,而无需编写复杂的代码或向中央服务器共享敏感的患者信息。该软件完全在用户自己的计算机上运行,确保了隐私。它并不声称能确定地预测单个儿童眼睛的未来。相反,它提供了一个在科学上站得住脚的估计值,说明一群未接受治疗的儿童会呈现出怎样的状况,从而可以作为新疗法的参考点。研究证实,对于东亚儿童,这些虚拟对照组是传统未治疗组的可行替代方案,这可能使临床试验更容易开展,也更符合伦理。对于其他群体,特别是南亚儿童,这项工作凸显了当前知识体系中存在的空白,需要去填补。最终目标是让使用未接受治疗的对照组成为例外,转而依靠经过验证且透明的数学模型,在推动眼科护理进步的同时,保护年幼患者的福祉。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →