《Ophthalmic and Physiological Optics》：Progress in the Synthesis of Evidence in Glaucoma: What We Know and the Gaps that Remain
青光眼是全球范围内导致失明的主要原因之一，需采取循证干预措施与策略以改善患者的生活质量。本综述回顾了过去十年间青光眼领域证据的进展，并基于一项对2015年至2025年间发表的系统评价和/或Meta分析所进行的快速证据与空白图谱（Evidence and Gap Mapping, EGM）工作，探讨了其对全球青光眼诊疗实践的启示及未来发展方向。方法：采用预设的概念框架，研究确定了与青光眼诊疗证据综合相关的十个领域。在每个领域内，研究人员评估了证据优势区域并识别了尚存的证据空白。研究结果以叙述性方式综合呈现，并为未来研究优先方向的确定及青光眼诊疗的进步提供了建议。近期发现：在过去十年发表的系统评价中，大多数聚焦于危险因素（15.6%）、遗传因素（12.4%）以及各类治疗方式的有效性（44.4%）。在缺乏协调一致的全球策略的背景下，不同评价团队之间出现了大量的重复工作。此外，证据基础中仍存在若干关键空白，尤其是在干预措施的成本效益、改善公平获取医疗服务的途径，以及针对低收入和中等收入国家的具体情境证据等方面。提高原始研究的证据严谨性应成为未来研究的重点方向。总结：青光眼诊疗证据基础存在显著空白，限制了其在临床指南制定和政策开发中的效用。系统评价人员在构思和设计评价项目之前，应全面了解青光眼诊疗现有的证据格局。加强系统评价及其原始研究的方法学质量，对于支持制定严谨的临床指南和有效的全球青光眼政策至关重要。
背景
青光眼是全球不可逆视力丧失的主要原因之一，其疾病负担随着人口老龄化持续增加。近期一项全球Meta分析估计，2024年约有8050万人患有青光眼，预计到2060年这一数字将增至近1.866亿[1]。除高患病率外，青光眼仍是视觉残疾的主要原因。来自视力丧失专家组（Vision Loss Expert Group）的一项Meta分析估计，2020年青光眼导致全球361万人失明，另有414万人患有中度至重度视力损害，约占全球所有失明原因的8.4%[2]。
在视觉与眼健康证据基础中，通过系统评价和Meta分析对原始研究进行严谨的汇总，为日常临床实践和全球眼健康政策提供了依据。证据综合为探索眼科学与视光学领域任何方向的大规模数据提供了机会。现代系统评价方法论源于20世纪中叶对分散临床数据进行综合的努力[3]，使临床决策能够立足于对所有相关研究的严谨、最新总结，而非仅仅是选择性引用、领域权威或传统惯例[4]。
通过系统评价和Meta分析进行的证据综合，以其透明的方法学、预设方案、全面的文献检索和批判性偏倚评估而著称。随着时间的推移，通过系统评价产生的证据已成为全球指南制定、卫生政策和临床决策的基石。因此，确保随机对照试验（randomised controlled trials, RCTs）不具有低功效、设计不佳或情境局限性；观察性研究不受混杂因素和可能扭曲干预措施表面效果的发表偏倚影响，这一点至关重要。证据综合，特别是系统评价和Meta分析，通过整合所有可用数据、增加统计功效并提供更精确可靠的效果估计来解决这些问题[5]。
证据综合在医疗保健中发挥着至关重要的作用。它为临床指南提供信息，支持与患者共同决策，支撑卫生技术评估，并帮助识别需要进一步研究的知识空白[6]。本综述回顾了过去十年证据综合的进展及其对青光眼诊疗实施的启示。
证据综合中稳健方法学的重要性
稳健的方法学是可信证据综合的基础，有助于确保透明度、一致性和减少偏倚。Cochrane眼与视力（Cochrane Eyes and Vision, CEV）工作组截至2025年12月发表了超过47篇关于改善青光眼诊疗各个方面的系统评价和Meta分析[7]，使青光眼证据基础在Cochrane图书馆中仅次于视网膜疾病领域，位居第二。Cochrane协作网的方法学组是公认的提供高质量评价方法专家指导的典范。
为表征RCT以外的替代研究设计而开发的创新方法学由诊断试验准确性（Diagnostic Test Accuracy, DTA）工作组提出，形成了两项针对青光眼的大型Cochrane DTA评价[8, 9]。2015年，一项关于光学相干断层扫描（optical coherence tomography, OCT）检测显性青光眼的大型Cochrane评价纳入了100多项研究，强调需要超越诊断性病例对照设计。这些研究高估了敏感性和特异性，因为它们比较的是健康个体与已确诊青光眼患者，这两组人群比连续的疑似青光眼队列更容易区分。该评价还强调需要纵向研究以更好地评估OCT在临床实践中的诊断性能[10]。另一项关于非接触式闭角型青光眼检测方法的Cochrane评价也强调需要高质量的研究来评估候选检测方法在社区和二级医疗环境中的表现[11]。这为ACE研究（闭角型青光眼诊断技术）的证据基础提供了信息，该研究是一项由英国国家健康与护理研究所（National Institute for Health and Care Research, NIHR）资助的多中心研究，旨在评估OCT和眼前节裂隙灯观察对疑似闭角型青光眼患者从社区和专业验光师转诊至眼科医生的诊断性能优化作用[12]。
证据综合结果对全球眼健康政策的重要性
稳健的证据综合对于制定全球眼健康政策至关重要。通过系统地评价和整合现有研究，它为政策制定、资源分配和循证干预措施的实施提供了可靠基础，以改善全球青光眼诊疗和视觉健康结果。一个范例是CEV工作组对世界卫生组织（World Health Organization, WHO）眼保健干预包（Package of Eye Care Interventions, PECI）开发的贡献。PECI是一项循证资源，概述了整个照护连续过程中的推荐眼保健干预措施及其实施所需的物质资源[13]。
PECI旨在支持政策制定者和技术决策者，特别是在低收入和中等收入国家（low- and middle-income countries, LMICs），将眼保健纳入国家卫生政策和服务包。它还为指导服务提供者规划和实施眼保健项目提供了参考，并在设计和支持眼保健倡议时为捐助机构和发展机构提供参考。CEV通过识别和评价高质量的临床指南和系统评价，为WHO提供了方法学专业知识，以支持PECI的开发。PECI还强调了影响许多LMICs青光眼诊疗的严重资源限制。例如，尼日利亚一项青光眼实践模式全国调查发现，只有约30%的眼科医生能够获得激光设备，而15%–20%的诊所缺乏青光眼诊断和管理所需的基本诊断设备[14]。
青光眼诊疗中的研究优先事项
目前，缺乏协调一致的全球策略来加强青光眼诊疗的证据基础，这增加了研究重复工作和有限研究资源低效利用的风险。CEV优先事项制定工作组开展的一项优先事项设定练习确定，儿科眼保健和康复的证据综合是主要空白，这些优先事项也与青光眼研究相关[15]。
Delphi共识过程的参与者强调了以广大利益相关者易于获取的形式传播证据综合结果的重要性。他们还强调需要按性别、性和种族分类报告结果，以支持公平的眼保健服务。该优先事项设定练习进一步确定了青光眼特有的几个证据空白，包括预防疾病进展的监测策略、改善转诊路径的干预措施、远程医疗/遥测在远程患者监测中的应用、人工智能（artificial intelligence, AI）在青光眼诊疗中的应用、OCT的诊断和监测作用以及预后因素评价[16]。与监测青光眼和改善转诊路径相关的问题，包括遥测、AI和OCT，排名最高。
青光眼证据与空白图谱练习
识别当前证据基础中的空白对于指导未来原始研究、为临床指南和政策制定提供信息以及优先分配稀缺资源至关重要。通过对已发表系统评价的概述进行的证据与空白图谱（Evidence and Gap Mapping, EGM）练习，提供了一种结构化方法来综合和批判性评估证据基础并绘制存在的空白。研究团队在本综述中嵌入了一项快速EGM练习，以了解青光眼诊疗的哪些领域得到了高质量系统评价（±Meta分析）的良好支持，以及哪些领域仍存在证据空白。
研究团队遵循Khali等人[17]描述的EGM方法学步骤，即：（1）确定评价范围；（2）制定方案；（3）文献检索（补充文件1——电子数据库检索策略）；（4）筛选研究；（5）数据提取；（6）数据编码和分类；（7）偏倚风险评估[可选]；（8）利用数据可视化呈现以促进分析和评价的可用性；（9）解释和讨论结果；（10）报告结果[17]。该EGM方法学使得对过去十年青光眼证据基础进行全面、透明的表征成为可能。研究团队使用的PCC（Population-Concept-Context）框架为：人群——任何类型青光眼患者或有发展青光眼风险的人群；概念——如何改善青光眼诊疗，从而控制人群中的视力损害和失明（筛查、诊断、治疗和康复）；情境——全球任何国家/收入环境。
本次EGM练习仅纳入系统评价和Meta分析。研究团队检索了MEDLINE All (Ovid)和Cochrane CENTRAL CDSR，时间范围为2015年1月1日至2025年12月31日。在缺乏既定框架的情况下，研究团队设计了一种新的分类方法，涵盖流行病学、临床管理、生活质量与卫生政策。在EGM的概念框架中，研究团队确定青光眼证据综合中至少应考虑以下10个领域，详见图1，从筛查到康复，包括卫生系统和流行病学视角。由于每个领域在EGM中被赋予相同权重，因此未建立层级排序。
图1：证据与空白图谱练习的概念框架。
完整尺寸图像
LMICs 低收入和中等收入国家。
2015年至2025年期间，共有n=493篇与青光眼诊疗相关的系统评价和Meta分析发表在同行评审期刊上，不包括范围界定评价以及其他类型的定性或叙述性评价。符合条件的系统评价和Meta分析由一名评价人员独立分类到各领域。任何分类不确定性随后通过第二名评价人员的讨论和共识解决。这些系统评价或包含Meta分析的系统评价的主要领域见表1，标题列表见补充文件2。
表1 2015年至2025年发表的系统评价或系统评价与Meta分析摘要（包括非Cochrane评价）。
完整尺寸表格
对过去十年进行的系统评价和Meta分析的总结表明，主要集中于识别危险因素（n=77，15.6%）、遗传因素（n=61，12.4%）和各种治疗方案的有效性（n=219，44.4%）（参见图2中EGM结果摘要的图形化呈现，以及补充文件3中显示各主题系统评价绝对比例的树状图）。然而，在缺乏协调一致的全球框架来指导识别证据空白的情况下，不同证据综合团队的研究工作极有可能重复，除非原始评价团队本身已经明确研究过这一问题。相反，除非评价团队考虑了一个涵盖青光眼流行病学、青光眼健康促进和服务组织的完整谱系的更广泛概念框架，否则证据基础中的重要空白可能仍然未被识别和解决。基于本研究的框架，一个关键空白涉及筛查和治疗方案的成本效益（2015–2025年发表的评价中仅占0.8%），这对于指导和优化青光眼诊疗路径和政策决策至关重要。在EGM中，研究团队还发现所有纳入的系统评价均未探讨卫生系统和政策相关问题，这对全球倡导而言是一个重大空白。此外，没有任何纳入的系统评价审视了青光眼诊疗获取中的性别相关差异，尤其是在LMICs，这凸显了证据综合文献中的一个重要空白。这一空白也可能反映了缺乏调查青光眼诊疗获取中性别相关差异的原始研究。
图2：证据与空白图谱结果摘要。
完整尺寸图像
AI 人工智能，LMICs 低收入和中等收入国家，UHC 全民健康覆盖。
Cochrane眼与视力工作组在青光眼诊疗中发表的评价
在过去十年中，CEV工作组产生了大量证据，填补了主要证据空白并为临床实践提供了信息。在2015年至2025年期间，CEV工作组发表了33篇青光眼诊疗的系统评价和Meta分析，全面概述了涵盖青光眼筛查、诊断、治疗和康复的现有证据。CEV青光眼评价的特点是在评价过程的每个阶段都遵循Cochrane指南，采用严谨的方法学，包括详尽的文献检索、预设的资格标准、结构化的偏倚风险与研究质量评价、证据分级和透明报告，确保了整个评价过程的高度可信性和可重复性。过去十年Cochrane评价的结果或作者结论摘要见补充文件4。表2提供了已发表的Cochrane评价的研究领域/域别摘要。
表2 2015–2025年期间Cochrane评价的主要研究领域和发表数量。
完整尺寸表格
已发表系统评价的质量
虽然系统评价和Meta分析被广泛认为是临床医学中最高级别的证据，但越来越多的实证研究表明，许多已发表的系统评价存在实质性的方法学和报告缺陷。这些缺陷可能破坏其结论的可靠性，并误导临床医生、指南制定者和政策制定者。几项使用验证过的评估工具（如AMSTAR-2（A MeaSurement Tool to Assess Systematic Reviews）和ROBIS（Risk of Bias in Systematic Reviews））进行的大型评估已记录了已发表评价中广泛存在的质量问题[18,19,20]。结构化方法，包括预设方案、详尽的检索策略、标准化偏倚评估和严格的编辑监督[21]，旨在最小化这些风险，并已被反复证明能产生更高质量的方法学评价。
Gao等人[22]和Lee等人[23]使用基于AMSTAR的评估显示，大多数眼科学系统评价为低或中等质量，主要缺陷在于方案注册和发表偏倚评估。Qureshi等人[24]对“我们真正了解青光眼干预措施的有效性是什么”这一主题进行的系统评价概述强调，大多数评估青光眼干预措施有效性的系统评价可靠性较差；即使在那些被认为可靠的评价中，也存在不确定性，包括行为和教育干预措施改善青光眼用药依从性的有效性；青光眼联合白内障手术的比较有效性；不同激光治疗原发性闭角型青光眼的比较有效性；微创青光眼手术的有效性；以及青光眼引流装置或房水引流管与小梁切除术的比较有效性[24]。在该评价中，纳入了129项符合条件的研究，其中17项青光眼药物治疗干预评价、16项青光眼手术和术后干预评价以及11项围手术期干预评价被认为可靠，仅38%的已发表系统评价被认为可靠[24]。
Bondok等人[25]对Cochrane评价和随机试验的分析报告指出，青光眼研究应解决公平性问题，包括报告RCT研究参与者的社会人口学特征，特别是种族和民族。Bondok等人[25]强调，青光眼研究中参与者的全球代表性不足，尤其是涉及低收入国家人群的研究，这引起了对其研究结果普遍适用性的担忧[25]。另一方面，为了拥有高质量的系统评价，需要高质量的原始研究。Higgins等人进行的一项系统评价评估了利用电子健康记录（electronic health records, EHRs）的青光眼研究报告标准，发现在31项纳入的研究中，只有16%完全遵循CODE-EHR最佳实践框架的最低标准，且没有一项达到首选标准[26]。类似地，Leonard-Hawkhead等人进行的一项系统评价发现，人工智能研究的重要方面在遵循标准报告指南（如DECIDE-AI（人工智能驱动的决策支持系统的开发和探索性临床调查））方面的总体报告情况不佳（AI特定项目未报告率为30.3%）[27]。
新策略与前进方向
由于早期青光眼无症状，很大比例的病例仍未得到诊断[28]。尽管筛查具有直观吸引力，但若干障碍限制了其可行性。当前青光眼诊断方法依赖机会性筛查，包括在医疗保健接触中发现的病例（验光、糖尿病视网膜病变项目、白内障门诊等）[29]。在高收入国家，由于疾病患病率低、检测方法不完美以及经济性不佳，不建议进行人群筛查[30]。一个关键例证：视网膜神经纤维层（RNFL）OCT，其敏感性为79%，特异性为92%，在2.93%的人群患病率下，阳性预测值仅为约23%，这意味着77%的阳性筛查结果是假阳性[31]。然而，在某些LMIC环境中（例如中国、印度），筛查可能具有成本效益，特别是在闭角型青光眼更为普遍且劳动力成本较低的地区[32]。在更广泛的眼健康筛查项目（例如糖尿病视网膜病变、年龄相关性黄斑变性）中发展青光眼检测，被提出作为一种务实、可持续的替代方案，并得到了美国大型社区研究[33]和北京眼公共卫生项目[34]的证据支持。新兴技术可能为提高筛查可行性提供潜力；例如，多基因风险评分（polygenic risk scores, PRS）基于127项以上全基因组关联研究识别的位点构建[35]，其中PRS最高十分位数的个体患晚期青光眼的风险可能比最低十分位数个体高15倍[36]。
Michelessi等人[37]的一项Meta分析报告称，检测显性青光眼的影像学准确性在不同研究中存在差异，且当前证据基础可能存在高估。该评价的作者建议需要更多关于使用各种影像学手段检测青光眼的诊断试验准确性（DTA）证据[37]。Fallon等人[38]在评估海德堡视网膜断层扫描仪-3（HRT-3）、扫描激光偏振仪（GDx）和OCT的有效性时也建议，当前研究中的DTA可能被高估，尽管筛查研究显示出较低的敏感性值[38]。对当前证据基础的批判性评估强调，需要更稳健的研究来评估青光眼检测和进展评估的筛查方式的诊断准确性和纵向性能。
人工智能在青光眼诊断、检测和进展评估中的应用
信息和通信技术中的数字创新，包括AI，很可能拓宽开发新策略的范围，以更好地诊断青光眼以及检测疾病进展[39]。视盘和视杯分析：深度学习模型自动分割视盘、计算杯盘比并检测结构特征（例如，盘沿变薄、RNFL缺损、视盘出血），其准确性达到或超过训练有素的临床医生[40, 41]。OCT整合：频域OCT结合AI能够量化视盘周围RNFL厚度、黄斑神经节细胞–内丛状层（GCIPL）复合体和视神经乳头形态，支持在视野（VF）缺损之前进行临床前期青光眼检测[41]。结合多视角特定模块（视盘周围环、黄斑立方和放射状扫描）的新颖分割架构进一步增强了自动化OCT分析[42]。多模态数据融合：将影像学与EHR数据、眼压和患者人口统计学特征相结合的AI系统，提高了诊断分层和个体化风险评估的能力，超越仅依赖影像学的方法[42, 43]。
彩色眼底照相
彩色眼底照相是一种广泛可及的影像学手段，可与深度学习模型整合以开发自动化青光眼筛查系统。基于对48项研究的系统评价和Meta分析，分析彩色眼底照相的深度学习模型在检测青光眼方面实现了汇总敏感性0.92（95% CI: 0.89–0.94）和特异性0.93（95% CI: 0.90–0.95）（受试者工作特征曲线下面积[AUC]=0.90）[40]。离线AI系统与便携式眼底相机相结合，在现实世界的农村远程眼科环境中表现出高准确性，一项前瞻性研究达到了与青光眼专家相当的敏感性和特异性[44]。智能手机集成的AI系统可能实现成本效益高、去中心化的筛查，可随时部署在资源匮乏的环境中。结合图像增强、自动视盘/视杯分割和深度学习分类的多模态流程，在现实世界验证中对早期视盘出血和RNFL缺损实现了0.81的敏感性和0.91的特异性[45]。基础模型代表了深度学习系统中快速演进的一类，在青光眼影像学中具有广泛的潜在应用。例如，基础模型如RETFound，通过自监督掩码自动编码器在160万张视网膜图像上训练，优于传统的ImageNet预训练网络，对不良成像条件具有韧性，并在资源有限的环境中改善了筛查可及性[42]。
基于黄斑OCT的视野预测
近期AI进展显示出利用多模态临床数据预测青光眼进展的前景。在770万张黄斑OCT B扫描上预训练的图像变换器模型可以高精度地检测同步VF进展（AUC 0.90），并在其临床显现之前预测未来进展，对任何进展的AUC达到0.86，对快速进展的AUC高达0.93，快速进展定义为平均偏差恶化超过1 dB/年[46]。连续视盘照片分析：视盘照片（ODPs）的纵向分析也显示出强大的预测性能。基于ResNet-152架构的孪生神经网络模型仅使用基线ODPs时AUC为0.81，使用两张连续ODPs时增加到0.86，使用三张连续图像并结合RNFL厚度测量时增加到0.89[47]。类似地，基于ResNet-50的孪生网络模型在纵向ODP对上训练，预测任何VF进展的AUC为0.86，快速进展的AUC为0.93，表明AI可能有助于更早识别需要加强治疗的患者[47]。EHR和自然语言处理：整合EHR数据的AI模型进一步扩展了预后能力。将非结构化手术记录与结构化EHR数据相结合的多模态深度语言模型在预测青光眼手术结局时实现了宏AUROC 0.75，优于仅基于结构化临床数据的模型（AUROC=0.71）[42]。此外，应用于自由文本临床记录的自然语言处理已显示出预测短期青光眼进展和手术干预需求的潜力[48]。
尽管有这些令人鼓舞的发现，但若干挑战继续限制AI在青光眼诊疗中的临床实施。这些挑战包括训练数据集的异质性，限制了模型的可推广性；报告和评估标准不一致；缺乏在现实临床环境中的前瞻性验证；与‘黑箱’算法相关的模型可解释性有限；监管不确定性以及对健康公平性的担忧，因为AI性能可能因不同种族人群和影像平台而异[48]。
将证据转化为政策与实践
将证据有效转化为青光眼诊疗政策与实践，需要证据综合团队与全球倡导组织之间的战略伙伴关系。一个例子是美国眼科学会、欧洲青光眼学会（EGS）与CEV美国之间的伙伴关系，该合作促进了青光眼临床指南的改进。CEV美国的一个重要贡献是对2014年至2024年间青光眼领域已发表系统评价的可靠性进行的批判性评估。可靠性指数在21%至38%之间的发现凸显了现有评价方法学质量的显著变异性，并强调了依赖不充分实施的证据综合来制定指南的风险。CEV通过证据综合项目的另一项关键贡献是为最新两版EGS指南的制定提供了信息，这些指南仅纳入了具有里程碑意义的试验和高质量的系统评价作为其内容依据[49, 50]。
此外，还有用于评估全球主要失明原因筛查和治疗覆盖率的全球指标，如白内障手术率和有效屈光不正覆盖率，这些指标定义在WHO领导下的全球倡导文件中。然而，目前还没有基于全球共识为青光眼提供此类指标，在全球倡导层面解决这一问题是一个极优先事项[51]。Liang等人提出了三个青光眼指标，即青光眼覆盖率（Glaucoma Coverage Rate）、青光眼检出率（Glaucoma Detection Rate）和青光眼随访依从率（Glaucoma Follow-up Adherence Rate），这些指标对于监测青光眼眼保健卫生系统绩效非常有用[52]。
结论与青光眼诊疗未来研究/系统评价开展建议
高质量的系统评价和Meta分析为临床指南制定提供了最强有力的证据，因为它们通过应用稳健的方法学综合了青光眼干预措施所有潜在相关的原始研究[53]。当证据被纳入临床实践指南时，系统评价有助于规范化诊疗，支持临床医生采用循证方法，从而减少不同国家收入环境中青光眼诊断和管理的地区和医疗系统差异。还应提供机会使这些干预措施适应当地情境需求，提高服务使用者和服务提供者对其文化相关性和可接受性。
研究团队观察到，Cochrane评价以及过去十年发表的大多数评价都集中于手术干预的有效性（16/33，48%）和激光治疗程序（8/33，24%）。然而，Cochrane证据综合中仍存在巨大空白，特别是在获得医疗服务的机会、卫生系统视角、干预措施的成本效益、在LMICs的医疗服务以及与改善青光眼诊疗相关的政策评价方面。总体而言，现有证据在很大程度上满足了日常临床实践所需的证据空白，但在预后因素[54]等领域需要更多证据，以指导现有资源的有效利用。以高质量系统评价为指导的政策决策能够对不同的策略或干预措施进行优先排序，确保未来临床和公共卫生政策不断改进青光眼诊疗中的检测策略和治疗有效性。系统评价还突显了当前青光眼证据中的空白和不确定性，为有针对性的原始研究提供了基础，确保未来的临床实践指南和公共卫生政策得以持续改进。
在本综述中，研究团队观察到大多数Cochrane评价综合了相关且重要的证据，使读者能够得出具有临床适用性的结论，为临床实践指南和政策提供信息[55]。一些评价突显了当前的不确定性，无法得出明确结论。此外，现有的青光眼诊疗系统评价主要集中于危险因素、遗传影响和治疗方法特别是手术干预的有效性，但其他几个关键领域存在显著空白，需要进一步的证据综合和原始研究。未来的原始研究和系统评价应优先探索诸如人群层面筛查和治疗策略的成本效益、AI在诊断和治疗中的应用，以及卫生系统视角下照护路径的效率等研究问题，并使用'真实世界'数据。还需要进一步研究评估当前关于青光眼诊疗的政策决策在预防视力损害和失明方面的影响，为儿童青光眼产生更多证据，并探索在LMICs中干预措施的有效性。实现青光眼全民眼健康覆盖仍然是一个关键目标，需要更多关于公平获得医疗服务和解决性别差异的原始研究。通过解决这些空白，未来的原始研究和证据综合研究可以帮助优化诊疗，促进更具包容性的青光眼诊疗政策，并确保循证实践在全球范围内得到应用。此外，必须通过遵守标准指南来开展和报告证据综合项目，以提高系统评价产出的质量。
