通过轴长变化追踪近视的发展：一项回顾性纵向研究

《Annals of Human Biology》：Tracking myopia development through axial length progression: a retrospective longitudinal study

本研究基于1697名中国儿童青少年纵向队列数据，构建了包含基线AL/CR比值和首次随访6个月AL进展的Nomogram模型，用于预测1.5年内近视进展风险，AUC达0.785-0.771，显示良好预测性能，为个性化近视防控提供工具。

　　近年来，近视已成为全球范围内的重大公共卫生问题，尤其在儿童和青少年群体中表现得尤为突出。根据世界卫生组织的全球眼健康战略，屈光不正，包括近视，已被列为影响视觉健康和生活质量的关键因素之一。研究数据显示，到2050年，全球约有一半的人口可能会受到近视的影响，而在中国，近视的患病率已从1995年的35.9%上升至2019年的60.04%。这一趋势使得近视的早期识别和干预显得尤为重要，尤其是在高风险人群中，以便采取有效的防控措施，防止近视进一步发展为高度近视，从而减少相关并发症的发生风险。

近视的发展与眼球的生物参数密切相关，其中轴长（Axial Length, AL）是影响屈光状态的核心因素之一。轴长的异常增长往往伴随着近视的加深，因此，轴长的变化被视为评估近视风险的重要指标。然而，目前的近视预测模型在提供个性化风险评估方面仍存在一定的局限性。为了弥补这一不足，本研究提出了一种基于轴长变化和轴长与角膜半径比值（AL/CR）的预测模型，旨在为近视的动态监测和干预策略提供更精准的依据。

本研究采用了一项回顾性队列研究，分析了来自深圳三所学校的1697名6至14岁中国学生的纵向眼球生物参数数据。这些数据涵盖了从2017年12月至2019年5月的18个月随访期，旨在探索轴长变化在近视进展中的预测作用。研究中，数据被随机分为训练集和验证集，比例为2:1，其中训练集用于构建模型，验证集用于评估模型的性能。轴长与角膜半径比值（AL/CR）被定义为轴长除以角膜半径的平均值，而“首次检查轴长进展”则被定义为从基线开始的6个月轴长增长。这些变量被用作模型的主要预测因子。

研究结果表明，基线时的AL/CR比值和首次检查的轴长进展在预测近视进展方面具有显著贡献。通过多变量逻辑回归分析，AL/CR比值每增加1个单位，近视进展的风险会显著上升（OR值为70.414，95%CI为22.795–217.511，p<0.001），而首次检查的轴长进展每增加1毫米，风险则会急剧增加（OR值为12845.569，95%CI为2915.219–56602.490，p<0.001）。这说明轴长的变化，尤其是短期内的进展，是评估近视风险的重要指标。

构建的预测模型以直观的图形化形式呈现，即所谓的“列线图”（nomogram），将复杂的统计模型转化为临床易于理解的工具。模型在训练集中的AUC值为0.785，而在验证集中的AUC值为0.771，显示出良好的预测能力。此外，模型的校准曲线也表明，实际发生的近视进展概率与模型预测值之间具有较高的一致性，这进一步增强了其临床实用性。在不同的年龄组中，模型的表现也保持了一定的稳定性，尤其在6至8岁、9至11岁和12至14岁这三个年龄段中，预测效果较为理想。

值得注意的是，尽管年龄和性别等人口学变量在部分研究中被认为与近视进展相关，但本研究发现这些变量在模型中并不显著。这可能意味着，近视的发展在某些情况下更受生物参数的影响，而非单纯的年龄或性别差异。然而，研究也发现，学生年级与近视进展之间存在一定的关联，例如三年级和五年级的学生更可能被归类为近视进展高风险人群。这一发现提示我们，学业压力可能在近视进展中扮演一定的角色，但因本研究未涵盖所有年级，故未将其纳入最终模型。

本研究的模型不仅提供了对近视进展的预测能力，还通过直观的可视化方式，使临床医生能够更清晰地理解患者的个体风险。相比传统的静态风险分类系统，该模型能够根据患者的长期监测数据动态调整干预策略，从而提高近视防控的精准性和有效性。此外，该模型还可以作为家长和医生之间沟通的桥梁，帮助家长更好地理解孩子的视力变化趋势，增强他们对个性化治疗方案的接受度和依从性。

尽管该模型在预测近视进展方面表现出色，但仍存在一些局限性。首先，研究样本主要来自深圳的儿童，缺乏地域和民族多样性，这可能影响模型在不同人群中的适用性。其次，18个月的随访时间虽然能够提供一定的数据支持，但可能不足以全面反映轴长变化对近视进展的长期影响。此外，模型仅整合了轴长和屈光度数据，未来的研究可以进一步纳入遗传因素（如父母是否有近视史）和环境因素（如近距离用眼时间、学习负担等），以构建更加全面和精准的近视预测体系。

总的来说，本研究通过结合轴长变化和基线时的AL/CR比值，开发出了一种新的个性化近视预测模型。这一模型不仅在技术上具有创新性，而且在临床应用上也展现出显著的价值。它能够帮助医生和家长更早识别近视进展的高风险个体，并根据个体情况制定相应的干预措施。随着近视防控工作的不断推进，这类基于生物参数的预测工具将为实现精准医疗提供有力支持。未来的研究可以进一步优化模型，使其更具普适性和实用性，从而在全球范围内推广近视防控的有效措施。