2018 年,印度启动了 Ayushman Bharat 计划,旨在通过升级基层医疗中心(Primary Health Centres,PHCs),利用非散瞳眼底相机为糖尿病患者提供年度 DR 筛查服务。然而,该计划在实施过程中面临多种可能的模式选择,且缺乏在低收入和中等收入国家(Low- and Middle-Income Countries,LMICs)背景下对不同筛查模式的经济评估。同时,人工智能(Artificial Intelligence,AI)技术在眼科领域的应用虽逐渐广泛,但在 LMICs 中对其经济价值的研究尚属空白。
为了解决这些问题,来自印度多个研究机构的研究人员,包括 Post Graduate Institute of Medical Education and Research、Sightsavers India、Public Health Foundation of India 等,开展了一项关于优化印度基层医疗中心糖尿病视网膜病变筛查的成本效益分析研究。该研究成果发表在《PharmacoEconomics - Open》上,为印度 DR 筛查政策的制定和实施提供了重要参考。
研究人员主要运用了以下关键技术方法:
构建数学模型:通过开发包含决策树和马尔可夫模型的数学模型,模拟不同筛查策略下 DR 患者的疾病发展过程。
数据收集:广泛查阅已发表文献获取模型参数,同时进行初级数据收集,如通过对 300 名 DR 患者的访谈,获取健康状态效用值。
本研究表明,在印度基层医疗中心实施年度远程支持的 DR 筛查计划具有重要意义。这不仅为政策制定者提供了选择最佳筛查策略的依据,还有助于提高糖尿病患者的健康水平,减少失明的发生。同时,研究强调了将眼科护理与糖尿病护理相结合的重要性,通过改善血糖控制来优化 DR 筛查效果。
然而,研究也存在一些局限性。例如,部分参数因缺乏印度特定数据,参考了其他国家的研究;部分假设可能与实际情况存在差异,如黄斑水肿的发病率、筛查率和失访率等。尽管如此,该研究仍为 LMICs 开展 DR 筛查经济评估提供了重要的参考,未来需要进一步研究来完善这些不足之处,以推动 DR 筛查工作的更好开展,保障糖尿病患者的视力健康。