生物测量特征在儿童高度近视风险预测中的增量价值评估：常规筛查数据的简约模型优于含生物测量特征的多变量模型

《Journal of Translational Medicine》：Predicting pediatric myopia progression from single screening encounters: a multi-outcome development and validation study

　　# 摘要## 背景儿童近视筛查记录了屈光和生物测量数据，但很少将其转化为个体化风险估计。自动化生物测量特征（瞳孔直径、瞳间距、注视偏移）是否能在标准屈光之外提供额外的预测价值，目前尚无评估。## 方法我们利用2018至2021年间2,373名儿童（6–13岁）的4,220条筛查记录，开发并内部验证了一个校准的多结局风险模型。共预测六个结局：1年、2年和3年时的高度近视（球镜等效值≤?3.00 D）、轻中度进展、近视发生及快速进展。通过患者分组交叉验证、患者聚类自助法、采用Holm-Bonferroni校正的DeLong检验、时间验证、六个比较模型以及预设的按性别分层的公平性评估，对逐步丰富特征层级的模型进行比较。报告遵循TRIPOD + AI规范。## 结果临床屈光模型（年龄、性别、球镜等效值）对1年高度近视的AUC为0.878（95% CI 0.815–0.931），2年为0.828，3年为0.795；轻中度进展达0.782，近视发生达0.739。时间验证保持了区分度，且无比较模型显著优于该模型。生物测量特征在所有结局上均未增加区分度，单项特征对AUC的改变均未超过0.005。经等渗重校准后，决策曲线分析显示净获益；在30%阈值下，2年模型达到83.4%的敏感性和97.1%的阴性预测值，且不存在性别差异。## 结论一个仅使用常规筛查数据的简约逻辑回归模型即可预测儿童在不同时间范围内的高度近视风险。筛查设备的生物测量特征未提供增量价值，因其与主要的年龄和屈光预测因子存在相关性。