PUBLICAÇÕES científicas

Uma calculadora de diagnóstico para detectar o glaucoma com base na camada de fibras nervosas da retina, disco óptico e análise de células ganglionares da retina por tomografia de coerência óptica

Larrosa JM (1), Moreno-Montañés J (2), Martinez-de-la-Casa JM (3), Polo V (1), Velázquez-Villoria Á (2), Berrozpe C (3), García-Granero M (4).
(1) Ophthalmology Service Hospital Universitario Miguel Servet, Faculty of Medicine, University of Saragossa, Saragossa, Spain.
(2) Department of Ophthalmology, Clínica Universidad de Navarra, Faculty of Medicine, Universidad of Navarra, Pamplona, Spain.
(3) Ophthalmology Service, Hospital Clínico San Carlos, Faculty of Medicine, Universidad Complutense de Madrid, Madrid, Spain.
(4) Unidad de Estadística, Department of Biochemistry and Genetics, University of Navarra, Pamplona, Spain. 

Revisão:Investigative Ophthalmology & Visual Science

Data: 1/Out/2015

Oftalmologia [ES]

FINALIDADE

O objetivo deste estudo foi desenvolver e validar um modelo preditivo multivariado para detectar o glaucoma usando uma combinação de camada de fibras nervosas da retina (CFNR), plexiforme de células ganglionares internas da retina (GCIPL) e parâmetros de disco óptico medidos usando dados ópticos de domínio espectral. tomografia de coerência (OCT).

MÉTODOS

Quinhentos olhos de 500 participantes e 187 olhos de outros 187 participantes foram incluídos nos grupos de estudo e validação, respectivamente. Pacientes com glaucoma foram classificados em cinco grupos com base em danos no campo visual. Sensibilidade e especificidade de todos os parâmetros de glaucoma OCT foram analisados.

Curvas características de operação do receptor (ROC) e áreas sob o ROC (AUC) foram comparadas. Três modelos preditivos multivariados (quantitativos, qualitativos e combinados) que usaram uma combinação dos melhores parâmetros OCT foram construídos. Uma calculadora de diagnóstico foi criada usando o modelo multivariado combinado.

RESULTADOS

Os melhores parâmetros da AUC foram: CFNL inferior, CFNR média, relação copo / disco vertical, GCIPL mínima e GCIPL temporal inferior. Comparações entre os parâmetros não mostraram que os parâmetros da GCIPL foram melhores que os da CFNR no glaucoma precoce e avançado.

A mais alta AUC foi no modelo preditivo combinado (0,937; intervalo de confiança de 95%, 0,911-0,957) e foi significativamente (P = 0,0001) maior do que os outros parâmetros isolados considerados no glaucoma precoce e avançado. O grupo de validação apresentou resultados semelhantes aos do grupo de estudo.

CONCLUSÕES

Os melhores parâmetros de GCIPL, RNFL e disco óptico mostraram uma capacidade similar de detectar o glaucoma. A fórmula combinada de previsão melhorou a detecção do glaucoma em comparação com os melhores parâmetros isolados avaliados. A calculadora de diagnóstico obteve boa classificação dos participantes nos grupos de estudo e validação.

CITAÇÃO DO ARTIGO  Invest Ophthalmol Vis Sci. 2015 Oct;56(11):6788-95. doi: 10.1167/iovs.15-17176

talvezlhe interesse

QUE TECNOLOGIA UTILIZAMOS? 

A Clínica é o hospital privado com maiores recursos tecnológicos de Espanha, tudo num único centro.

Imagen de un PET, tecnología de vanguardia en la Clínica Universidad de Navarra

OS NOSSOS
PROFISSIONAIS

Os profissionais da Clínica realizam um trabalho contínuo de investigação e formação, sempre em benefício do paciente.

Imagen profesionales de la Clínica Universidad de Navarra

RAZÕES PARA VIR
À CLÍNICA

Conheça porque é que somos diferentes em relação a outros centros sanitários. Qualidade, rapidez, comodidade e resultados.

Imagen del edificio de la Clínica Universidad de Navarra