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。     

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”。     

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.     

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...