KR20240058903A - 근시 위험을 예측하기 위한 시스템 및 방법 - Google Patents

근시 위험을 예측하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20240058903A
KR20240058903A KR1020247011035A KR20247011035A KR20240058903A KR 20240058903 A KR20240058903 A KR 20240058903A KR 1020247011035 A KR1020247011035 A KR 1020247011035A KR 20247011035 A KR20247011035 A KR 20247011035A KR 20240058903 A KR20240058903 A KR 20240058903A
Authority
KR
South Korea
Prior art keywords
subject
factor
incidence
myopia
progression
Prior art date
Application number
KR1020247011035A
Other languages
English (en)
Inventor
노엘 브레난
마크 불리모어
Original Assignee
존슨 앤드 존슨 비젼 케어, 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 존슨 앤드 존슨 비젼 케어, 인코포레이티드 filed Critical 존슨 앤드 존슨 비젼 케어, 인코포레이티드
Publication of KR20240058903A publication Critical patent/KR20240058903A/ko

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/02—Subjective types, i.e. testing apparatus requiring the active assistance of the patient
    • A61B3/028—Subjective types, i.e. testing apparatus requiring the active assistance of the patient for testing visual acuity; for determination of refraction, e.g. phoropters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/103—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining refraction, e.g. refractometers, skiascopes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Eye Examination Apparatus (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Ophthalmology & Optometry (AREA)

Abstract

시스템 및 방법은, 인터페이스를 통해, 대상과 연관된 인구통계학적 정보 및 행동 정보를 수신하는 단계; 사전결정된 발생률 공식에 따라, 인구통계학적 정보 및 행동 정보에 가중치를 부여함으로써 대상에 대한 발생률 인자를 결정하는 단계로서, 사전결정된 발생률 공식 및 가중치는 인구와 연관된 발생률 데이터로부터 도출되는, 대상에 대한 발생률 인자를 결정하는 단계; 사전결정된 진행 공식에 따라, 인구통계학적 정보 및 행동 정보에 가중치를 부여함으로써 대상에 대한 진행 인자를 결정하는 단계로서, 사전결정된 진행 공식 및 가중치는 인구와 연관된 진행 데이터로부터 도출되고, 사전결정된 진행 공식은 발생률 인자의 함수인, 대상에 대한 진행 인자를 결정하는 단계; 발생률 인자 및 진행 인자에 기초하여, 근시를 나타낼 대상의 위험을 나타내는 근시 위험 메트릭을 예측 및 계산하는 단계; 및 수치 성분으로서 근시 위험 메트릭을 출력하는 단계를 포함한다.

Description

근시 위험을 예측하기 위한 시스템 및 방법
시력을 저하시키는 흔한 질환은 근시 및 원시를 포함하고, 이에 대해 안경, 또는 강성 또는 소프트 콘택트 렌즈 형태의 교정 렌즈가 처방된다. 이러한 질환은 일반적으로 안구의 길이와 안구의 광학 요소의 초점 사이의 불균형으로서 설명된다. 근시안은 망막면의 전방에 빛의 초점이 맞춰지고, 원시안은 망막면의 후방에 빛의 초점이 맞춰진다. 근시는 전형적으로 안구의 안축장(axial length)이 안구의 광학 구성요소의 초점 거리보다 길어지도록 성장하기 때문에, 즉 안구가 너무 길게 성장하기 때문에 발생한다. 원시는 전형적으로 안구의 안축장이 안구의 광학 구성요소의 초점 거리와 비교하여 너무 짧기 때문에, 즉 안구가 충분히 길게 성장하지 않기 때문에 발생한다.
근시는 세계의 많은 지역에서 높은 유병률을 갖는다. 이러한 질환에 있어서 가장 큰 우려 사항은 예를 들어 5 또는 6 디옵터(diopter)를 초과하는 고도 근시로의 그의 가능한 진행이며, 이는 광학 보조 기구 없이 제대로 기능하는 안구의 능력에 큰 영향을 미친다. 고도 근시는 또한 망막 질병, 백내장, 녹내장, 및 근시성 황반 변성(myopic macular degeneration)(MMD; 근시성 망막증으로도 알려짐)의 증가된 위험과 연관되고, 세계적으로 영구적인 실명의 주된 원인이 될 수 있다. 예를 들어, MMD는 병적 근시와 생리적 근시를 명확하게 구분하지 못하게 할 정도로 굴절 이상(refractive error, RE)과 관련되었고, 따라서 "안전한" 수준의 근시는 없다.
초점을 각각 근시를 교정하기 위해 망막면의 전방으로부터 또는 원시를 교정하기 위해 망막면의 후방으로부터 이동시킴으로써, 망막면에서 더 선명한 이미지로 되게 하도록 안구의 그로스 초점(gross focus)을 변경하기 위해 교정 렌즈가 사용된다. 그러나, 이러한 질환에 대한 교정 접근법은 질환의 원인을 해소하는 것이 아니라, 단지 보철적(prosthetic)이거나 증상을 해소하려는 것이다.
근시 위험에 관한 일반적인 지침을 제공하기 위해 일부 애플리케이션 및 웹사이트가 개발되었다. 예를 들어, https://www.mykidsvision.org/en-US는 설문지 및 일반적인 범주별 피드백(예컨대, 저위험, 중간 위험, 고위험)을 제공한다. 다른 예로서, https://coopervision.com/eye-health-and-vision/childhood-short-sightedness/assessment-tool은 또한 설문지 및 일반적인 범주별 피드백(예컨대, 저위험, 중간 위험, 고위험)을 제공한다. 추가 예로서, Myappia (https://play.google.com/store/apps/details?id=com.myappia.myappia&hl=es_EC)는 시간 경과에 따른 근시 또는 근시안의 예상되는 진행을 시각화하기 위한 소프트웨어 툴이다. Myappia는 환자의 연령 및 초기 처방의 입력을 허용하고, 이어서 예컨대 표준 안경 및 콘택트 렌즈뿐만 아니라 이중초점 안경, 누진 다초점 안경, "플랫 옵티컬 프로파일(flat optical profile)" 콘택트 렌즈, 저용량 아트로핀, 이중초점 콘택트 렌즈, 각막 교정술 및 맞춤형 근시 조절 콘택트 렌즈에 대한 사용자의 선택에 의한 비교 치료 곡선에 기초한 향후 10년에 걸친 근시의 가능한 진행을 여러 종단 연구에 기초하여 계산한다. 이용가능한 연구의 평균으로부터 각각의 치료 선택과 연관된 소정의 가정이 있고, 이들 백분율 감소는 예측되는 진행 곡선을 수정하는 데 사용된다.
특히, 현재 제공되는 더 일반적인 정성적 예측 출력과는 대조적으로, 예를 들어 백분율과 같은, 미래 근시 위험의 더 정확한 정량적 지표의 관점에서, 종래 기술의 툴에 대한 개선이 필요하다.
시스템 및 컴퓨터-구현 시스템으로서, 인터페이스를 통해, 대상의 연령, 대상의 성별, 대상의 인종, 및 대상의 근시인 부모들의 수를 나타내는 인구통계학적 정보를 수신하는 단계; 인터페이스를 통해, 대상이 매일 밖에서 보내는 시간 및 대상이 매일 근거리 작업에 소비하는 시간을 나타내는 행동 정보를 수신하는 단계; 사전결정된 발생률 공식(incidence formula)에 따라, 인구통계학적 정보 및 행동 정보에 가중치를 부여함으로써 대상에 대한 발생률 인자를 결정하는 단계로서, 사전결정된 발생률 공식 및 가중치는 인구와 연관된 발생률 데이터로부터 도출되는, 대상에 대한 발생률 인자를 결정하는 단계; 사전결정된 진행 공식(progression formula)에 따라, 인구통계학적 정보 및 행동 정보에 가중치를 부여함으로써 대상에 대한 진행 인자를 결정하는 단계로서, 사전결정된 진행 공식 및 가중치는 인구와 연관된 진행 데이터로부터 도출되고, 사전결정된 진행 공식은 발생률 인자의 함수인, 대상에 대한 진행 인자를 결정하는 단계; 프로세서에 의해 그리고 발생률 인자 및 진행 인자에 기초하여, 근시를 나타낼 대상의 위험을 나타내는 근시 위험 메트릭(myopia risk metric)을 예측 및 계산하는 단계; 및 백분율일 수 있는 정량적 수치 성분을 포함하는 근시 위험 메트릭을 출력시키는 단계를 포함하는, 시스템 및 컴퓨터-구현 시스템이 제공된다.
일 실시예에 따르면, 발생률 인자는 적어도 하기 공식 관계에 기초하고: 발생률 인자 = BI x G x α x E x βMP, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모들의 수이고, α 및 β는 증거-기반 가중 인자들이다.
다른 실시예에 따르면, 발생률 인자는 적어도 하기 공식 관계에 기초하고: 발생률 인자 = BI x (1+G x 0.15) x E x 1.6 MP-1, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모들의 수이다.
다양한 실시예에 따르면, BI는 0.04일 수 있고, G는 여성에 대해 1이고 남성에 대해 0일 수 있고, 그리고/또는 E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1일 수 있다.
또 다른 실시예에서, 발생률 인자는 적어도 하기 공식에 기초하고: 발생률 인자 = BI x (1 + G x 0.15) x E x 1.6MP-1 x 0.5OT-1 x 1.1NT-1, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모들의 수이고, OT는 대상이 매일 밖에서 보내는 시간(시)이고, NT는 대상이 매일 근거리 작업에 소비하는 시간(시)이다.
BI는 0.04일 수 있고, G는 여성에 대해 1이고 남성에 대해 0일 수 있고, 그리고/또는 E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1일 수 있다.
일 실시예에서, 진행 인자는 대상이 고도 근시를 나타낼 확률을 나타내고, 고도 근시는 최소 -4D이다.
다른 실시예에서, 아시아 인종인 대상에 대한 진행 인자는 적어도 하기 공식에 기초하고: 진행 인자 = 발생률 인자 x 102.1-0.293 x A x (0.9 + 0.1 x MP1.5) x (0.98 + 0.02 x G), 여기서 A는 대상의 연령이고, G는 성별 가중 인자이고, MP는 대상의 근시인 부모들의 수이다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다.
또 다른 실시예에서, 비-아시아 인종인 대상에 대한 진행 인자는 적어도 하기 공식에 기초하고: 진행 인자 = 발생률 인자 x 101.37-0.293 x A x (0.9 + 0.1 x MP1.5) x (0.98 + 0.02 x G), 여기서 A는 대상의 연령이고, G는 성별 가중 인자이고, MP는 대상의 근시인 부모들의 수이다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다.
다른 실시예에 따르면, 방법은 대상이 비-근시임을 나타내는 대상과 연관된 굴절 이상 또는 대상의 안구의 안축장 중 하나 이상을 나타내는 진단 정보를 수신하는 단계를 추가로 포함하고, 발생률 인자 또는 진행 인자 중 하나 이상은 적어도 진단 정보에 기초하여 결정된다.
다양한 실시예들에 따르면, 위험 메트릭은 중증도 메트릭(severity metric)일 수 있고, 중증도 메트릭은 예상 근시 수준일 수 있다.
디바이스 및 시스템이 방법들을 구현하도록 구성될 수 있다.
또한, 컴퓨터-구현 방법으로서, 인터페이스를 통해, 대상의 인구통계학적 및 행동 정보를 수신하는 단계; 이러한 정보에 기초하여, 사전결정된 발생률 공식에 따라, 인구통계학적 정보 및 행동 정보에 가중치를 부여함으로써 대상에 대한 발생률 인자를 결정하는 단계로서, 사전결정된 발생률 공식 및 가중치는 인구와 연관된 발생률 데이터로부터 도출되는, 대상에 대한 발생률 인자를 결정하는 단계; 인구통계학적 또는 행동 정보 중 하나 이상에 기초하여, 사전결정된 진행 공식에 따라, 인구통계학적 및 행동 정보에 가중치를 부여함으로써 대상에 대한 진행 인자를 결정하는 단계로서, 사전결정된 진행 공식 및 가중치는 인구와 연관된 진행 데이터로부터 도출되고, 사전결정된 진행 공식은 발생률 인자의 함수인, 대상에 대한 진행 인자를 결정하는 단계; 프로세서에 의해 그리고 발생률 인자 및 진행 인자에 기초하여, 근시를 나타낼 대상의 위험을 나타내는 근시 위험 메트릭 또는 근시의 수준을 나타내는 중증도 메트릭 중 하나 이상을 예측 및 계산하는 단계; 및 근시 위험 메트릭 또는 중증도 메트릭 중 하나 이상을 출력시키는 단계로서, 근시 위험 메트릭 및 중증도 메트릭 각각은 백분율일 수 있는 정량적 수치 성분을 포함하는, 근시 위험 메트릭 또는 중증도 메트릭 중 하나 이상을 출력시키는 단계를 포함하는, 컴퓨터-구현 방법이 제공된다.
인구통계학적 정보는 대상의 연령, 대상의 성별, 대상의 인종 및/또는 대상의 근시인 부모들의 수일 수 있다.
행동 정보는 대상이 매일 밖에서 보내는 시간 및/또는 대상이 매일 근거리 작업에 소비하는 시간일 수 있다.
다른 실시예에 따르면, 방법은, 인터페이스를 통해, 대상과 연관된 굴절 이상 또는 대상의 안구의 안축장 중 하나 이상을 나타내는 측정가능한 진단 정보를 수신하는 단계를 추가로 포함하고, 예측 및 계산하는 단계는 적어도 부분적으로 측정가능한 진단 정보에 기초한다.
발생률 인자는 적어도 하기 공식 관계, 즉 발생률 인자 = BI x G x α x E x βMP에 기초할 수 있고, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모들의 수이고, α 및 β는 증거-기반 가중 인자들이다.
대안적으로, 발생률 인자는 적어도 하기 공식에 기초할 수 있고: 발생률 인자 = BI x (1+G x 0.15) x E x 1.6 MP-1, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모들의 수이다.
BI는 0.04일 수 있고, G는 여성에 대해 1이고 남성에 대해 0일 수 있고, 그리고/또는 E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1일 수 있다.
또 다른 대안적인 실시예에서, 발생률 인자는 적어도 하기 공식에 기초할 수 있고: 발생률 인자 = BI x (1 + G x 0.15) x E x 1.6MP-1 x 0.5OT-1 x 1.1NT-1, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모들의 수이고, OT는 대상이 매일 밖에서 보내는 시간(시)이고, NT는 대상이 매일 근거리 작업에 소비하는 시간(시)이다.
BI는 0.04일 수 있고, G는 여성에 대해 1이고 남성에 대해 0일 수 있고, 그리고/또는 E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 0일 수 있다.
진행 인자는 대상의 18세 연령까지 대상이 고도 근시(최소 -5D)를 나타낼 확률을 나타낼 수 있다.
일 실시예에서, 아시아 인종인 대상에 대한 진행 인자는 적어도 하기 공식에 기초하고: 진행 인자 = 발생률 인자 x 102.1-0.293 x A x (0.9 + 0.1 x MP1.5) x (0.98 + 0.02 x G), 여기서 A는 대상의 연령이고, G는 성별 가중 인자이고, MP는 대상의 근시인 부모들의 수이다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다.
다른 실시예에서, 비-아시아 인종인 대상에 대한 진행 인자는 적어도 하기 공식에 기초하고: 진행 인자 = 발생률 인자 x 101.37-0.293 x A x (0.9 + 0.1 x MP1.5) x (0.98 + 0.02 x G), 여기서 A는 대상의 연령이고, G는 성별 가중 인자이고, MP는 대상의 근시인 부모들의 수이다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다.
근시 중증도 메트릭은 예상 근시 수준일 수 있다.
위험 메트릭은 중증도 메트릭일 수 있고, 근시 중증도 메트릭은 예상 근시 수준일 수 있다.
또한, 본 명세서에 기술된 방법들을 구현하도록 구성된 디바이스 및/또는 시스템이 본 명세서에 제공된다.
하기 도면은 일반적으로, 제한으로서가 아닌 예로서, 본 개시에서 논의된 다양한 예를 도시한다. 도면에서:
도 1은 개인의 근시 위험을 평가하기 위한 컴퓨터-구현 시스템을 도시한 도면.
도 2는 일 실시예에 따른 근시 위험을 평가하기 위한 방법을 도시한 도면.
도 3은 본 발명의 적어도 하나의 실시예를 실행하기 위한 대표적인 하드웨어 환경을 도시한 도면.
도 4는 근시가 관찰된 최연소 연령에 대한 종래 기술의 예시적인 데이터를 보여주는 도면.
도 5는 모양근 마비 없이 굴절에 기초한 초등학교 및 중학교 코호트(cohort)에서의 근시 및 고도 근시의 연간 발생률에 대한 종래 기술의 예시적인 데이터를 보여주는 도면.
도 6은 연령에 따라 발생률이 비교적 일정함을 나타내는, 근시의 연령별 발생률의 종래 기술의 예시적인 플롯을 보여주는 도면.
도 7은 다른 변수에 대해 조정된 AUC 모델로부터의 모든 유의미한 변수의 포함의 결과를 보여주는 종래 기술의 로지스틱 모델을 보여주는 도면.
도 8은 부모 이력 데이터의 종래 기술의 플롯을 보여주는 도면.
도 9는 근시의 발생에 대한 모델링된 위험비(hazard ratio)에 관한 종래 기술의 데이터를 보여주는 도면.
도 10은 실외 활동에 관한 종래 기술의 데이터 플롯을 보여주는 도면.
도 11은 실외 활동 및 근거리 작업에 관한 종래 기술의 데이터 플롯을 보여주는 도면.
도 12는 위험 그룹의 함수로서 근시인 부모가 없는 경우, 한 명인 경우, 및 두 명인 경우에 대한 근시가 되지 않을 확률 곡선을 보여주는 도면.
도 13은 근시 발생률에 대한 위험비(HR)를 보여주는 도면.
도 14는 종래 기술의 연구에서 제시된 데이터의 추출을 보여주는 도면.
도 15는 기준 굴절 이상과 근시 발생률 사이의 관계를 예시한 데이터를 보여주는 도면.
도 16은 근시 발병 시점의 연령 및 성별에 의해 계층화된, 성인의 고도 근시 위험에 관한 종래 기술의 데이터를 보여주는 도면.
도 17a, 도 17b, 및 도 17c는 연령의 함수로서 고도 근시가 발생할 위험을 예시한 종래 기술의 데이터를 보여주는 도면.
도 18은 아시아 및 유럽의 근시인 사람의 발병 연령의 함수로서 고도 근시 위험의 비교를 보여주는 도면.
도 19는 유럽의 근시인 사람의 발병 연령의 함수로서 25세 및 18세의 고도 근시 위험의 비교를 보여주는 도면.
근시 위험을 평가하기 위한 시스템 및 방법, 예컨대 컴퓨터-구현 방법이 본 명세서에 개시된다. 본 개시의 시스템 및 방법은 "낮음", "중간" 및 "높음"과 같은 위험의 몇 가지 큰 일반적인 범주와는 대조적으로 수치 값인 출력으로서 정량적 근시 위험 메트릭을 제공한다. 근시 위험 메트릭은 아래에서 더 상세히 기술될 바와 같이 인구 데이터를 활용하는 고유한 방식으로 평가되는 대상의 고정 인자, 행동 인자, 및 선택적으로 측정가능한 진단 인자에 기초한다. 측정가능한 진단 인자는 본 시스템과 방법이 여러 설정으로 그리고 여러 타겟 사용자에게 적용가능하고 유용하기 때문에 선택적인 것으로 고려된다. 제1 설정은 진단 측정치가 이용가능하지 않고/않거나 이전에 획득되지 않았을 때 부모가 자녀에 대한 근시 위험 평가를 획득하는 데 관심이 있는 가정 설정일 수 있다. 제2 설정은 안과 전문의 진료실 등일 수 있고, 여기서 진단 측정치가 획득되거나 과거 측정치가 즉시 액세스를 위해 저장되거나 보관될 수 있다.
본 발명의 시스템 및 방법은 먼저 일반적으로 입력 데이터로서 제공될 수 있는 다양한 대상 특정 정보와 함께 그것이 구현될 수 있는 컴퓨팅 시스템, 그리고 후속하여 활용되는 인구 데이터 및 그러한 대상에 대한 근시 위험을 나타내는 정량적 수치 값을 생성하기 위해 그러한 인구 데이터에 적용되는 공식(들) 및 가중치와 관련하여 본 명세서에 기술될 것이다.
언급된 바와 같이, 본 명세서에 기술된 시스템 및 방법은 대상에 특정된 정보가 입력으로서 제공될 수 있는 컴퓨터 시스템 상에서 구현될 수 있다. 대상이 제공한 입력은 인구통계학적 또는 고정 변수 입력 정보, 행동 입력 정보 및 선택적으로 측정가능한 진단 입력 정보를 포함할 것이다. 인구통계학적 또는 고정 변수 정보는 인구에 걸쳐 변할 수 있지만, 연령, 성별, 인종, 및 대상의 근시인 부모의 수와 같은 주어진 개인에 대해 고정되는 인자를 지칭한다. 행동 변수 정보는 주어진 대상에 대해 고정되지 않고, 오히려 요구될 경우 수정된다. 그러한 행동 정보는 대상이 매일 밖에서 보내는 시간 및 대상이 매일 근거리 작업에 소비하는 시간을 포함할 수 있다. 측정가능한 진단 정보는 특정 대상의 측정가능한 특성이고, 대상과 연관된 굴절 이상 또는 대상의 안구의 안축장을 포함할 수 있다.
인구통계학적, 행동 및 선택적으로 측정가능한 진단 정보는 더 정확한 근시 위험 메트릭을 계산하기 위해 인구 데이터와 함께 사용될 수 있다. 아래에서 추가로 기술될 바와 같이, 발생률 인자가 사전결정된 발생률 공식에 따라, 대상에 의해 입력된 인구통계학적, 행동 및 선택적인 측정가능한 진단 정보에 가중치를 부여함으로써 대상에 대해 결정되고, 여기서 가중치 및 사전결정된 발생률 공식은 인구와 연관된 발생률 데이터로부터 도출된다. 대상에 대한 진행 인자가 또한 인구통계학적, 행동 및 선택적인 측정가능한 진단 정보로부터 결정되고, 여기서 가중치 및 사전결정된 진행 공식은 인구와 연관된 진행 데이터로부터 도출되고 진행 공식은 발생률 인자의 함수이다. 발생률 인자 및 진행 인자는 이어서 수치 값과 같은 정량적 근시 위험 메트릭을 생성하는 데 사용된다. 근시 위험 메트릭은 중증도 메트릭을 포함할 수 있고, 이는 예상 근시 중증도 수준(예컨대, -2D, -4D, -6D, -7D, -8D 등)을 나타낼 수 있다.
도 1은 근시 위험(예컨대, 근시 발생률, 근시 진행 등)을 예측하기 위한 예시적인 컴퓨터-구현 시스템(100)을 도시하며, 이는 입력 데이터를 수신하기 위한; 본 명세서에서 논의되는 방법 단계들 중 하나 이상과 같은 데이터 분석을 수행하기 위한, 그리고 데이터를 출력하기 위한 개인용 컴퓨터, 랩톱, 태블릿, 스마트 디바이스, 스마트 폰, 서버 또는 임의의 다른 유사한 컴퓨팅 디바이스(또는 이들의 조합)와 같은 임의의 잘 알려진 유형의 컴퓨팅 디바이스를 포함할 수 있다. 입력 데이터 및 출력 데이터는 적어도 하나의 데이터베이스(130)에 저장되거나 보관될 수 있다. 입력 및/또는 출력 데이터는 컴퓨터 시스템(100)(예를 들어, 안과 치료 전문의(Eye Care Practitioner, ECP)의 진료실 내의 또는 개인 또는 대상의 가정 내의 컴퓨터) 상에 설치된 소프트웨어 애플리케이션(170)에 의해; 스마트 디바이스(121) 상의 다운로드가능한 소프트웨어 애플리케이션(앱)에 의해; 또는 네트워크(99)를 통해 컴퓨터에 의해 액세스가능한 보안 웹사이트(125) 또는 웹 링크에 의해 액세스될 수 있다. 입력 및/또는 출력 데이터는 컴퓨터 또는 스마트 디바이스의 그래픽 사용자 인터페이스 상에 디스플레이될 수 있다.
특히, 컴퓨팅 시스템(100)은 하나 이상의 하드웨어 프로세서(152A, 152B), 예컨대 운영 체제 및 애플리케이션 프로그램 명령어를 저장하기 위한 메모리(154), 네트워크 인터페이스(156), 디스플레이 디바이스(158), 입력 디바이스(159), 및 컴퓨팅 디바이스에 일반적인 임의의 다른 특징부를 포함한다. 컴퓨팅 시스템(100)은 공중 또는 사설 통신 네트워크(99)를 통해 웹-사이트(125) 또는 웹- 또는 클라우드-기반 서버(120)와 통신하도록 구성될 수 있다. 또한, 시스템(100)의 일부로서 도시된 바와 같이, 임상의의 측정치로부터 캡처되고 연관된 근시 조절 치료를 포함하는 개인의 굴절 변화에 관한 이력 데이터가 획득되어 부착된 또는 원격 메모리 저장 디바이스, 예컨대 데이터베이스(130)에 저장된다.
도 1에 도시된 실시예에서, 프로세서(152A, 152B)는 예를 들어 마이크로컨트롤러, 필드 프로그래밍가능 게이트 어레이(FPGA), 또는 다양한 동작을 수행하도록 구성된 임의의 다른 프로세서를 포함할 수 있고, 후술되는 바와 같은 명령어를 실행하도록 구성될 수 있다. 이들 명령어는 예를 들어 메모리 저장 디바이스(154)에 프로그래밍된 모듈로서 저장될 수 있다.
메모리(154)는 예를 들어 랜덤 액세스 메모리(RAM) 및/또는 캐시 메모리 등과 같은 휘발성 메모리의 형태의 비-일시적 컴퓨터 판독가능 매체, 또는 다른 이동식/비-이동식, 휘발성/비-휘발성 저장 매체를 포함할 수 있다. 단지 비제한적인 예로서, 메모리(154)는 휴대용 컴퓨터 디스켓, 하드 디스크, 랜덤 액세스 메모리(RAM), 판독-전용 메모리(ROM), 소거가능 프로그래밍가능 판독-전용 메모리(EPROM 또는 플래시 메모리), 휴대용 콤팩트 디스크 판독-전용 메모리(CD-ROM), 광학 저장 디바이스, 자기 저장 디바이스, 또는 전술한 것의 임의의 적합한 조합을 포함할 수 있다.
네트워크 인터페이스(156)는 예컨대 유선 또는 무선 접속을 통해 데이터 또는 정보를 웹-사이트 서버(120)로 그리고 그로부터 송신하고 수신하도록 구성된다. 예를 들어, 네트워크 인터페이스(156)는 무선 기술 및 통신 프로토콜, 예컨대 블루투스(등록상표), WIFI(예컨대, 802.11a/b/g/n), 셀룰러 네트워크(예컨대, CDMA, GSM, M2M, 및 3G/4G/4G LTE), 근거리 무선통신 시스템, 위성 통신, 근거리 통신망(LAN)을 통해, 광역 통신망(WAN)을 통해, 또는 컴퓨팅 디바이스(100)가 서버(120)로 정보를 송신하고 서버로부터 정보를 수신하도록 허용하는 임의의 다른 형태의 통신을 이용할 수 있다.
디스플레이(158)는 예를 들어 컴퓨터 모니터, 텔레비전, 스마트 텔레비전, 예를 들어 랩톱, 스마트 폰, 스마트 워치, 가상 현실 헤드셋, 스마트 웨어러블 디바이스와 같은 개인용 컴퓨팅 디바이스에 통합된 디스플레이 스크린, 또는 사용자에게 정보를 디스플레이하기 위한 임의의 다른 메커니즘을 포함할 수 있다. 일부 태양에서, 디스플레이(158)는 액정 디스플레이(LCD), 전자종이/전자잉크 디스플레이, 유기 LED(OLED) 디스플레이, 또는 다른 유사한 디스플레이 기술을 포함할 수 있고, 터치-감응형일 수 있고 입력 디바이스로서 또한 기능할 수 있다.
입력 디바이스(159)는 예를 들어 키보드, 마우스, 터치-감응형 디스플레이, 키패드, 마이크, 또는 다른 유사한 입력 디바이스 또는 컴퓨터 시스템(100)과 상호작용하는 능력을 사용자에게 제공하기 위해 단독으로 또는 함께 사용될 수 있는 임의의 다른 입력 디바이스를 포함할 수 있다.
근시 위험 메트릭을 계산하기 위한 컴퓨터 시스템(100)의 능력과 관련하여, 시스템(100)은 선택적으로 당해 개인의 과거 굴절 변화/이상에 관한 데이터, 예컨대 한정된 기간, 예컨대 과거 1년에 걸쳐 임상의로부터 수신된 데이터를 포함할 수 있는 데이터를 저장하도록 구성된 메모리(160)를 포함한다. 일 실시예에서, 이러한 데이터는 로컬 메모리(160)에, 즉 컴퓨터 또는 모바일 디바이스 시스템(100)에 로컬로 저장될 수 있거나, 달리 네트워크를 통해 원격 서버(120)로부터 검색될 수 있다. 당해 개인의 과거 굴절 변화에 관한 데이터는 시스템(100)의 로컬 부착 메모리 저장 디바이스(160)에 대한 입력을 위해 원격 네트워크 접속을 통해 액세스될 수 있다.
일 실시예에서, 컴퓨팅 시스템(100)은 근시 위험을 예측하는 능력(예컨대, 수치 성분을 포함하는 근시 위험 메트릭과 같은 근시 위험 메트릭을 계산함)을 시스템에 제공하기 위해 프로세서(들)(152A, 152B)를 통해 실행될 수 있는 디바이스 메모리(154)에 저장된 프로그래밍된 처리 모듈을 채용하는 기술 플랫폼을 제공한다.
일 실시예에서, 메모리(154)에 저장된 프로그램 모듈은 근시 위험 예측을 수행하는 데 사용되는 동작을 제어하기 위해 채용되는, 다양한 소프트웨어 모듈이 상호작용하는 방식을 지정하기 위한 API(애플리케이션 프로그래밍 인터페이스), 웹-서비스 등과 같은 연관된 메커니즘을 포함할 수 있는 본 명세서의 방법을 실행하기 위한 운영 체제 소프트웨어(170) 및 소프트웨어 애플리케이션 모듈(175)을 포함할 수 있다. 디바이스 메모리(154)에 저장된 하나의 프로그램 모듈(180)은 과거 기간, 예컨대 1년의 당해 개인의 굴절 변화를 나타내는 값("RECIPY")을 결정하기 위한 "RECIPY" 계산기(190)를 포함할 수 있다. 개인의 이러한 RECIPY 굴절률 변화 값으로부터, 디바이스 메모리(154)에 저장된 추가 프로그램 모듈(190)이 그러한 개인에 대한 안축장 변화("ΔAL") 값을 예측하기 위해 프로세서에 의해 실행되는 알고리즘의 처리 명령어 및 다양한 데이터를 제공하는 프로그램 코드를 포함할 수 있다. 그러한 개인에 대한 예측된 안축장 변화("ΔAL") 값에 기초하여, 추가 모듈(195)이 임상의, 개인, 또는 임의의 사용자에게, 수치 성분을 포함하는 근시 위험 메트릭과 같은 근시 위험 메트릭을 출력하도록 호출될 수 있다.
도 2는 도 1의 시스템(100)을 통해 구현될 수 있는 일 실시예에 따라 근시 위험을 평가하기 위해 채용되는 방법을 도시한다. 200에서, 제1 정보가 인터페이스(즉, 도 3의 22, 17 또는 24)를 통해 수신될 수 있다. 제1 정보는 예를 들어 대상의 연령, 대상의 성별, 대상의 인종, 및 대상의 근시인 부모의 수를 나타내는 고정 또는 인구통계학적 정보(본 명세서에서 상호교환가능하게 사용됨)일 수 있다.
202에서, 제2 정보가 인터페이스를 통해 수신될 수 있다. 제2 정보는 대상이 매일 밖에서 보내는 시간 및 대상이 매일 근거리 작업에 소비하는 시간과 같은 행동 정보를 포함할 수 있다.
204에서, 제3 정보가 선택적으로 인터페이스를 통해 수신될 수 있다. 제3 정보는 대상과 연관된 굴절 이상 또는 대상의 안구의 안축장과 같은 측정가능한 진단 정보를 포함할 수 있다.
206에서, 대상에 대한 발생률 인자가, 사전결정된 발생률 공식에 따라, 단계(200, 202, 및 선택적으로 204)에서 수신된 정보에 가중치를 부여함으로써 결정된다. 사전결정된 발생률 공식 및 가중치는 인구와 연관된 데이터로부터 도출된다.
일례에서, 발생률 인자는 적어도 하기 발생률 공식: 발생률 인자 = BI × (1 + G × 0.15) × E × 1.6MP-1에 기초하고, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모의 수이다. BI는 0.04일 수 있다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다. E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1일 수 있다. 다른 가중치(값)가 도출되고 사용될 수 있다.
다른 예에서, 발생률 인자는 적어도 하기 발생률 공식: 발생률 인자 = BI × (1 + G × 0.15) × E × 1.6MP-1× 0.5OT-1 × 1.1NT-1에 기초하고, 여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 대상의 근시인 부모의 수이고, OT는 대상이 매일 밖에서 보내는 시간(시)이고, NT는 대상이 매일 근거리 작업에 소비하는 시간(시)이다. BI는 0.04일 수 있다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다. E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1일 수 있다. 다른 가중치(값)가 도출되고 사용될 수 있다.
208에서, 진행 인자가, 사전결정된 진행 공식에 따라, 단계(200, 202, 및 선택적으로 204)에서 수신된 정보에 가중치를 부여함으로써 대상에 대해 결정된다. 진행 인자는 대상의 18세 연령까지 대상이 고도 근시(최소 -5D)를 나타낼 확률을 나타낼 수 있다.
아시아 인종인 대상에 대한 진행 인자는 적어도 하기 공식: 진행 인자 = 발생률 인자 × 102.1 -0.293 × A × (0.9 + 0.1 × MP1.5) × (0.98 + 0.02 × G)에 기초할 수 있고, 여기서 A는 대상의 연령이고, G는 성별 가중 인자이고, MP는 대상의 근시인 부모의 수이다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다. 다른 가중치(값)가 도출되고 사용될 수 있다.
비-아시아 인종인 대상에 대한 진행 인자는 적어도 하기 공식: 진행 인자 = 발생률 인자 × 101.37 -0.293 × A × (0.9 + 0.1 × MP1.5) × (0.98 + 0.02 × G)에 기초할 수 있고, 여기서 A는 대상의 연령이고, G는 성별 가중 인자이고, MP는 대상의 근시인 부모의 수이다. G는 여성에 대해 1이고 남성에 대해 0일 수 있다. 다른 가중치(값)가 도출되고 사용될 수 있다.
210에서, 근시를 나타낼 대상의 위험을 나타내는 근시 위험 메트릭이 프로세서에 의해 그리고 발생률 인자 및 진행 인자에 기초하여 예측되고 계산된다.
212에서, 수치 성분으로서의 근시 위험 메트릭이 출력으로서 제공된다.
디바이스 및/또는 시스템이 도 2에 도시된 방법을 구현하도록 구성될 수 있다.
이제 도 3을 참조하면, 본 발명의 적어도 하나의 실시예를 실행하기 위한 대표적인 하드웨어 환경이 도시되어 있다. 이러한 개략도는 본 발명의 적어도 하나의 실시예에 따른 정보 처리/컴퓨터 시스템의 하드웨어 구성을 예시한다. 시스템은 적어도 하나의 프로세서 또는 중앙 처리 유닛(CPU)(10)을 포함한다. CPU(10)는 시스템 버스(12)에 의해 랜덤 액세스 메모리(RAM)(14), 판독-전용 메모리(ROM)(16) 및 입력/출력(I/O) 어댑터(18)와 같은 다양한 디바이스에 상호접속된다. I/O 어댑터(18)는 주변 디바이스, 예컨대, 디스크 유닛(11) 및 테이프 드라이브(13), 또는 시스템에 의해 판독가능한 다른 프로그램 저장 디바이스에 접속될 수 있다. 시스템은 프로그램 저장 디바이스 상의 본 발명의 명령어를 판독하고 본 발명의 적어도 하나의 실시예의 방법을 실행하기 위해 이들 명령어를 따를 수 있다. 시스템은 키보드(15), 마우스(17), 스피커(24), 마이크(22), 및/또는 다른 사용자 인터페이스 디바이스, 예컨대 터치 스크린 디바이스(도시되지 않음)를 버스(12)에 접속시켜 사용자 입력을 수집하는 사용자 인터페이스 어댑터(19)를 추가로 포함한다. 추가적으로, 통신 어댑터(20)가 버스(12)를 데이터 처리 네트워크(25)에 접속시키고, 디스플레이 어댑터(21)가 버스(12)를, 예를 들어 모니터, 프린터, 또는 송신기와 같은 출력 디바이스로서 구현될 수 있는 디스플레이 디바이스(23)에 접속시킨다.
인구 데이터
전술된 시스템 및 방법에서, 위험 모델의 하나의 구성요소는 더 상세히 후술될 인구 데이터의 통합이다. 본 개시는 더 정확한 정성적 근시 위험 메트릭을 제공하기 위해 그러한 인구 데이터를 활용하는 모델을 제공한다.
고정 변수
앞서 언급된 바와 같이, 고정 변수는 인구에 걸쳐 변할 수 있지만, 주어진 대상에 대해 고정되는 변수이다. 본 개시의 하나 이상의 모델(예컨대, 공식)은 18세 이하 연령의 어린이와 같은 대상에서 근시의 발생률 및/또는 진행에 영향을 미칠 수 있는 고정 변수에 기초할 수 있다. 그러한 고정 위험 인자는 연령, 인종, 및 근시인 부모의 수를 포함할 수 있다.
연령
본 개시의 모델은 연령의 함수로서 근시의 연간 발생률의 기준 추정치에 기초할 수 있다. 예시적인 예로서, 적절한 규모의 인구 및 인종 다양성을 포함하는 미국 기반 연구인 CLEERE(Collaborative Longitudinal Evaluation of Ethnicity and Refractive Error) 연구로부터의 데이터가 있다.
1989년에서 2009년 사이에, 5세 내지 16세 연령의 총 4,927명의 어린이가 CLEERE 연구에 참여했다. 표본의 총 61.1%는 마지막 연구 방문 당시 최소 13세였다. 연구에 참여한 4,927명의 어린이 중 근시가 아니었던 4,290명 중 1,006명(22%)이 최소 -0.50 D의 구면 대응치(spherical equivalent)에 기초하여 근시가 되었다. 도 4는 근시가 관찰된 최연소 연령에 대한 종래 기술의 예시적인 데이터를 보여준다. 매년 사례 중 대략 15%가 9세 내지 13세에 발생한다. 데이터를 사용하여, 4,290명의 대상에 기초하여 근시의 연간 발생률을 계산하였다. 발생률은 9세 내지 13세에서 대략 3.5 내지 4%이다. 연구 시작 시점의 평균 연령이 8.5세였고 연구 종료 시점의 평균 연령은 12.6세였으므로 이러한 범위 밖의 데이터는 신중하게 처리되어야 한다. 또한, 637명의 어린이가 연구 시작 시점에 최소 -0.50 D의 근시였고, 이는 연간 대략 150명의 어린이가 6세 내지 8세 연령에서 근시가 될 수 있음을 시사한다.
표 1은 연령에 기초한 발생률을 보여준다.
[표 1]
전반적인 인상은 매년 상당히 일정한 수의 어린이가 근시가 되고 이러한 수는 4%에 가깝다는 것이다.
근시 발병의 연령 의존성은 아시아로부터의 연구를 통해 알 수 있다. SCORM(Singapore Cohort Study of the Risk Factors for Myopia)에서, 7세 내지 9세 연령의 어린이 981명을 3년의 기간 동안 추적 조사하였다. 이들 중 기준 시점에 근시가 아니었던 569명의 3년 추적 조사 데이터가 있다. 3년 누적 발생률은 7세의 경우 47.7%(95% CI: 42.2-53.3), 8세의 경우 38.4%(95% CI: 31.4-45.4), 그리고 9세의 경우 32.4%(95% CI: 21.8-43.1)였다. 차이는 유의미하지 않았다(p = 0.057).
중국 광저우에서의 대규모 코호트 연구에는 1학년(평균 연령 = 7.3세) 또는 7학년(평균 연령 = 13.2세) 어린이 4,741명이 등록하였다. 나이가 더 적은 초등학교 코호트를 5년 동안 그리고 나이가 더 많은 중학교 코호트를 추적 조사하였다. 도 5는 모양근 마비 없이 굴절에 기초한 초등학교 및 중학교 코호트에서의 근시 및 고도 근시의 연간 발생률에 대한 종래 기술의 예시적인 데이터를 보여준다. 연구 시작 시점에, 나이가 더 적은 코호트 중 1,607명은 비근시였다. 5년 후에, 1,172명(72.9%)에게 근시가 발생하였다. 근시의 발생률은 두 코호트 전체에 걸쳐 매년 20% 내지 30%였다. 이들 발생률 추정치는 전년도로부터 비근시자로 남아 있는 사람에 기초하며, 따라서 연령에 따라 발생률이 감소한다는 것에 유의한다 - 첫 번째 열의 분자를 관찰함.
5세 내지 15세 연령의 인도 초등학생 10,000명의 코호트를 모집하여 1년 후에 재검사하였다. 추적 조사를 완료한 9,616명의 어린이(97.3%) 중에서, 근시 발생률은 3.4%였다. 도 6은 연령에 따라 발생률이 비교적 일정함을 나타내는, 근시의 연령별 발생률의 종래 기술의 예시적인 플롯을 보여준다.
시드니 청소년 혈관 및 안구 연구에서는, 어린이 863명을 평균 연령 6.7세 시점의 초기 검사 후 6년 뒤에 검사하였다. 나이가 더 많은 어린이 1,196명의 그룹을 평균 연령 12.7세 시점의 초기 검사 후 4.5년 뒤에 검사하였다. 근시의 연간 발생률은 나이가 더 적은 코호트에서 2.2% 그리고 나이가 더 많은 어린이에서 4.1%였다.
인종
본 개시의 모델은 인종의 함수로서 근시의 연간 발생률의 기준 추정치에 기초할 수 있다. 예로서, 체계적인 검토를 통해 42개국, 374,349명을 대상으로 아동 근시 유병률을 추정하는 143개의 인구-기반 설문조사를 확인하였다. 동아시아인은 가장 높은 유병률을 보여, 15세 연령에서 69%에 달하였다(싱가포르계 중국인의 경우 86%). 아프리카 흑인의 유병률이 가장 낮았다; 15세에서 5.5%. 지난 10년 동안 근시 유병률의 시간 추세는 백인에서는 적었고, 동아시아인에서는 23%만큼 증가했으며, 남아시아인의 경우 증가세가 더 약했다.
여러 국가로부터의 전술한 데이터는 호주 및 인도에서의 2 내지 4%로부터 싱가포르 및 중국에서의 10 내지 30%까지 연간 발생률의 매우 큰 차이를 보여준다. 이들은 부분적으로 생활방식 및 교육적 차이에 기인할 수 있고, 따라서 앞서 언급된 CLEERE 연구를 다시 살펴보는 것이 유용하다.
연구에 참여한, 근시가 아니었던 4,290명의 어린이 중 1,006명(22%)이 최소 -0.50 D의 구면 대응치에 기초하여 근시가 되었다. 신규 근시 사례는 아시아인의 35%, 히스패닉계의 30%, 아메리카 원주민의 21%, 아프리카계 미국인의 22%, 및 백인의 17%에서 발생하였다. 표 2는 수년간의 누적 발생률 및 연간 발생률을 추가하여 재구성된 로지스틱 모델 데이터를 보여준다. 연간 발생률은 아시아 어린이에서 가장 높지만, 여전히 동아시아에서 수행된 연구의 값보다 훨씬 낮다. 히스패닉계의 발생률은 또한 백인보다 높다. 표의 데이터에서 흥미로운 특징은 연간 발생률이 논문의 다른 발표 자료에 대한 것보다 높다는 점이다.
표 2는 각각의 인종/인종 그룹의 근시 발생률을 보여준다.
[표 2]
다인종 인구의 근시 발생률에 대한 연구는 드물지만, 시드니 연구에서, 동아시아 인종의 어린이의 연간 근시 발생률이 유럽계 어린이의 연간 근시 발생률(나이가 더 적은 경우 1.3%, 나이가 더 많은 경우 2.9%)보다 높았다(나이가 더 적은 경우 6.9%, 나이가 더 많은 경우 7.3%). 근시 발생률의 연구는 위에서 논의된 바와 같이 훨씬 더 높은 값을 보여준다.
부모 이력
본 개시의 모델은 부모 이력과 같은 유전적 요인의 함수로서 근시의 연간 발생률의 기준 추정치에 기초할 수 있다. 근시의 부모 이력이 자녀가 근시가 되는 위험을 증가시키는 것은 명백하다. 메커니즘이 유전적인지, 공유된 환경으로 인한 것인지, 또는 복합적인지는 확실하지 않다. 도 7 내지 도 9는 부모 이력에 관한 종래 기술의 데이터를 보여준다.
오린다(Orinda) 근시 종단 연구에서는 비근시인 3학년 어린이 514명(평균 연령 8.6세)으로부터의 데이터를 분석하여 8학년까지 근시를 예측하였다. 이들 중 111명(21.6%)이 근시가 되었다. 근시의 부모 이력은 단변량 및 다변량 모델에서 중요 예측자였다. 두 다변량 모델 모두에서, 근시인 부모가 한 명인 경우 근시 발생 확률의 2배 증가 및 근시인 부모가 두 명인 경우 5배 증가와 연관되었다.
후속 논문에서는 2학년 내지 8학년의 근시 발병 예측자로서 자녀의 1학년 굴절 이상 및 부모의 근시 이력의 유용성을 결정하기 위해 CLEERE 연구로부터의 더 크고 더 다양한 코호트를 사용하였다. 비근시 1학년생 1,854명 중 334명이 8학년까지 근시가 되었다. 근시인 부모가 한 명인 대상을 근시인 부모가 없는 대상과 비교한 위험비(HR)는 1.48(95% CI, 1.09-1.99, p = 0.01)이었다. 근시인 부모가 두 명인 어린이는 근시인 부모가 없는 어린이와 비교하여 최종 근시 위험비가 증가하였다(HR, 2.38; 95% CI, 1.66 -3.41; P < 0.0001). 이러한 논문에서의 비는 이전 연구에서의 비보다 낮고, 동일한 데이터세트에 대한 후속 논문에서 대부분 반복된다는 것에 유의한다. 전반적으로, 근시 발병 시점의 연령은 근시인 부모의 수 전체에 걸쳐 매우 유사했지만, 근시인 부모가 없는 아시아 어린이는 근시인 부모가 적어도 한 명인 어린이보다 근시가 늦게 발생한다.
북아일랜드의 12세 내지 13세 연령의 백인 어린이 661명의 횡단 연구에서는 부모의 근시가 더 강한 영향을 미치는 것으로 밝혀졌다. 근시인 부모가 없는 어린이와 비교하여, 근시인 부모가 한 명 또는 두 명인 어린이는 근시일 확률이 각각 2.91배(95% CI, 1.54-5.52) 및 7.79배(95% CI, 2.93-20.67) 더 높았다. 다른 인자에 대한 조정 후에도 부모 근시의 영향은 그대로 유지되었다. 부모 근시의 영향은 저자들의 후속 종단 연구에서는 조사되지 않았다.
다른 횡단 연구에서는 베이징의 무작위로 선정된 4,677명의 학생(평균 연령 16.9세; 범위: 16세 내지 18세)으로부터의 데이터를 분석하였다. 근시의 유병률(나빠진 눈에서 ≤ -1.00 D)은 80.7%였다. 다중 로지스틱 회귀 분석에서, 더 높은 근시의 유병률은 근시인 부모가 한 명인 경우(OR = 2.28; 95%CI: 1.80-2.87) 및 근시인 부모가 두 명인 경우(OR = 4.02; 95%CI: 2.42-6.66)와 연관되었다.
수정가능한 위험 인자
본 개시의 하나 이상의 모델(예컨대, 공식)은 18세 이하 연령의 어린이와 같은 대상에서 근시의 발생률 및/또는 진행에 영향을 미칠 수 있는 수정가능한 위험 인자(예컨대, 행동 위험 인자)에 기초할 수 있다. 그러한 고정 위험 인자는 예를 들어 실외 활동의 일당 시간 및 근거리 작업의 일당 시간을 포함할 수 있다.
실외 활동
본 개시의 모델은 대상이 실외 활동에 소비하는 시간의 함수로서 근시의 연간 발생률의 기준 추정치에 기초할 수 있다. 미국, 호주, 싱가포르, 영국 및 대만에서의 다수의 연구는 실외 활동과 근시 사이에는 강한 관계가 있음을 보고하였다. 도 10 및 도 11은 수정가능한 위험 인자에 관한 종래 기술의 데이터를 보여준다.
오린다 근시 종단 연구에서는 비근시인 3학년 어린이 514명(평균 연령 8.6세)으로부터의 데이터를 분석하여 8학년까지 근시를 예측하였다. 이들 중 111명(21.6%)이 근시가 되었다. 두 다변량 모델 모두에서, 더 많은 양의 실외 활동(주당 시간)은 근시 발생 확률의 감소와 연관되었다. 영향은 근시인 부모의 수에 관계없이 존재한다. 매주 시간당 0.91의 오즈비(odds ratio)는 매주 시간당 대략 0.5에 해당한다. 다시 말하면, 매일 실외 활동을 1시간 더 할 때마다 근시 발병 위험이 절반으로 줄어든다. 로지스틱 모델에서 유의미한 상호작용은 자녀의 근시인 부모의 수에 기초하여 주당 스포츠 및 실외 활동 시간의 차별적 효과를 보여주었다.
무작위로 표본 조사된 시드니 초등학생: 6세 연령 1,965명 및 12세 연령 2,367명의 횡단 연구에서 유사한 결과가 보고되었다. 더 높은 수준의 실외 활동은 12세 연령 학생의 더 큰 원시 굴절 및 더 낮은 근시 유병률과 연관되었다. 이러한 연구는 근시의 존재에 대한 실외 활동의 영향을 보여주지만, 근거리 작업의 영향은 덜 분명하다.
후속 시드니 청소년 혈관 및 안구 연구에서는, 나이가 적은 어린이 863명(평균 연령 6.7세)을 초기 검사 후 6년 뒤에 검사하였다. 나이가 더 많은 어린이 1,196명의 그룹(평균 연령 12.7세)을 초기 검사 후 4.5년 뒤에 검사하였다. 근시가 된 어린이는 비근시로 유지된 어린이와 비교하여 실외에서 보낸 시간이 더 적었다(나이가 더 적은 코호트, 각각 16.3시간 대 21.0시간, P<0.0001; 나이가 더 많은 코호트, 각각 17.2시간 대 19.6시간, P .0.001). 나이가 더 적은 코호트에서, 실외 활동이 주당 16시간 미만인 어린이는 실외에서 보낸 시간이 주당 23시간 초과인 어린이보다 근시 발생 확률이 더 높았다(오즈비 2.84; 95% CI 1.56-5.17). 마찬가지로, 나이가 더 많은 코호트에서, 실외 활동이 주당 13.5시간 미만인 어린이는 실외에서 보낸 시간이 주당 22.5시간 초과인 어린이보다 근시 발생 확률이 더 높았다(오즈비 2.35; 95% CI 1.30-4.27).
실외 활동과 근시 사이의 관계는 10대 싱가포르 어린이 1,249명의 횡단 연구에서 확인되었다. 연령, 성별, 인종, 학교 유형, 주당 독서량, 키, 부모의 근시, 부모의 학력 및 지능 지수를 조정한 후, 일당 총 실외 활동 시간은 근시와 유의미하게 연관되었다(오즈비 0.90, 95% CI 0.84 내지 0.96). 총 스포츠는 또한 근시와 유의미하게 부정적으로 연관되었지만(p = 0.008), 실내 스포츠는 그렇지 않았다(p = 0.16).
ALSPAC(Avon Longitudinal Study of Parents and Children)는 7세, 10세, 11세, 12세, 및 15세 연령의 참가자(N = 4,837 내지 7,747)를 평가하였다. 11세 연령의 신체 활동은 1주일 동안 착용한 가속도계를 사용하여 객관적으로 측정하였다. 실외에서 보낸 시간은 어린이가 8-9세 연령일 때 실시한, "(주말)/(학교 평일)에, 당신의 자녀가 (여름)/(겨울)에 하루 평균 얼마나 많은 시간을 실외에서 보내는지"를 묻는 부모 설문지를 통해 평가하였다. 저자들은 관심 있는 결과와 가장 강한 연관성을 보인 변수로 여름 주말에 실외에서 보낸 시간을 선택하였고, 여기서 '많은' 양은 일당 3시간 이상이었고, 적은 양은 3시간 미만이었다. 실외에서 보낸 시간과 신체 활동 둘 모두가 근시 발생과 연관되었고, 이때 실외에서 보낸 시간이 더 큰 영향을 미쳤다. 11세 연령의 비근시 어린이에 대해, 실외에서 보낸 시간량이 많은 경우 대 적은 경우의 근시 발생에 대한 위험비는 0.66(95% CI 0.47-0.93)이었다.
마지막으로, 타이페이에서의 근시 조사 연구는 초등학교 2학년 11,590명(~8세)이 등록한 도시 전역의 인구-기반 코호트 연구였다. 기준 비근시 참가자 중 6,794명을 첫해 추적 조사 동안 검사하였고, 이들 중 1,856명(25.2%)이 근시가 발생한 것으로 확인되었다. 보호 인자는 교외 거주 지역(HR: 0.91; 95% CI: 0.83-1.00)을 포함하였고, 평일 방과 후마다 실외에서 적어도 30분을 보낸 것이 근시를 예방하였다(HR: 0.90; 95% CI: 0.82-0.99).
지난 10년 동안, 추가적인 실외 활동이 근시의 발생률에 미치는 영향을 평가하기 위한 다수의 무작위 임상 시험이 있었다. 첫 번째 그러한 시험은 7세 내지 11세 연령의 대만 어린이를, 그들이 쉬는 시간에 실외 활동을 위해 밖으로 나가도록 권장한 중재군(n = 333) 또는 쉬는 시간에 그러한 프로그램이 없었던 대조군(n = 238)으로 무작위 배정하였다. 1년 후에, 근시의 발생률은 중재 그룹이 대조 그룹보다 유의미하게 낮았다(8.4% 대 17.6%; P<0.001). 일일 총 쉬는 시간은 80분(오전과 오후 둘 모두에서 10분, 20분, 및 10분)이었고, 주간 총 쉬는 시간은 대략 6.7시간이었으며, 일당 평균 1시간 정도였다.
동일한 그룹은 중재 그룹이 주간 최대 11시간 동안 실외로 나가도록 권장한 두 번째 임상 시험을 보고하였다. 16개 학교에서 총 693명의 학생이 중재 그룹 267명 및 대조 그룹 426명으로 1년의 전체 프로그램을 완료하였다. 기준 시점에 비근시인 어린이 620명 중에서, 중재 그룹의 근시 발생률은 대조 그룹의 근시 발생률보다 낮았다(14.47% 대 17.40%; 오즈비, 0.65; 95% CI, 0.42-1.01). 더 적은 효과는 다수의 인자에 의해 설명될 수 있다. 초기 무작위 배정 후에, 무작위로 선정된 16개 학교 중 절반이 프로그램에서 탈퇴하였다. 또한, 대만은 중재군보다 많은, 일당 2시간 동안 실외에서 보내는 것을 목표로 하는 학교에서의 국가 근시 예방 프로그램을 도입하였다. 그것은 또한 학교에서 주당 150분의 운동을 목표로 하는 프로그램을 갖는다.
중국 광저우에서 1학년 어린이(평균 연령 6.6세)의 유사한 무작위 임상 시험이 수행되었다. 6개 중재군 학교(n = 952)의 경우, 추가 40분의 실외 활동이 매 수업일에 추가되었고, 부모는 방과 후에 그들의 자녀가 실외 활동에 참여하도록 권장하였다. 6개 대조군 학교(n = 951)의 어린이는 그들의 평소 활동 패턴을 유지하였다. 3년 근시 발생률은 중재 그룹에서 30.4%(비근시 참가자 853명 중 259명)였고, 대조 그룹에서 39.5%(참가자 726명 중 287명)였다(차이 = -9.1%; 95% CI, -14.1% 내지 -4.1%).
측정가능한 위험 인자
본 개시의 하나 이상의 모델(예컨대, 공식)은 18세 이하 연령의 어린이와 같은 대상에서 근시의 발생률 및/또는 진행에 영향을 미칠 수 있는 측정가능한 위험 인자에 기초할 수 있다. 그러한 측정가능한 위험 인자는 예를 들어 대상의 안구의 안축장 또는 굴절 이상을 포함할 수 있다.
굴절 이상
CLEERE 연구는 2학년 내지 8학년의 근시 발병 예측자로서 자녀의 1학년 굴절 이상 및 부모의 근시 이력의 유용성을 결정하였다. 이전 연구에 기초하여, 어린이는 고위험 및 저위험 근시 그룹으로 분류되었다. 비근시 어린이 중에서 근시의 고위험은 1학년의 더 원시의 경선에서 +0.75 D 이하로 정의되었다. 비근시 1학년생 1,854명 중 334명이 8학년까지 근시가 되었다. 전체적으로, 1학년생 중 21.3%가 고위험 그룹에 속했다. 도 12는 위험 그룹의 함수로서 근시인 부모가 없는 경우, 한 명인 경우, 및 두 명인 경우에 대한 근시가 되지 않을 확률 곡선을 보여준다. 도 9는 근시 발생률에 대한 위험비(HR)를 보여준다. 고위험 범주에 속하는 근시의 발생률에 대한 위험비는 7.56(95% CI, 5.94-9.63)이었다. 이는 근시인 부모가 두 명인 경우와 연관된 위험보다 훨씬 더 높다는 것에 유의한다. 아시아인 및 백인에 대한 모델 추정치는 그의 전체 그룹에 대한 추정치와 유사하였다.
후속 논문에서는 1학년 내지 8학년(기준, 6세 내지 11세)으로부터의 인종적으로 다양한 비근시 어린이 4,512명의 더 큰 표본을 분석하였다. 도 13은 근시 발생에 대한 위험 인자의 단변량 분석을 보여준다. 다변량 분석이 또한 수행되었다. 2학년부터 8학년(7세 내지 13세 연령)까지 총 414명의 어린이가 근시가 되었다. 평가된 13개 인자 중 10개가 근시 발병에 대한 위험과 연관되었고(P < .05), 8개는 다변량 모델에서 그들의 연관성을 유지하였다: 기준 시점의 구면 대응치 굴절 이상, 부모의 근시, 안축장, 각막 굴절력, 수정체 굴절력, 조절성폭주 대 조절비(ratio of accommodative convergence to accommodation, AC/A 비), 수평/수직 난시 크기, 및 시각적 활성. 원시가 더 적은/근시가 더 많은 기준 굴절 이상은 다변량 모델에서 근시 발병의 위험과 일관되게 연관되었고(0.02 내지 0.13 오즈비, P < .001). 반면에 근거리 작업, 실외 시간, 부모가 근시인 것은 그렇지 않았다. 저자들은 간단한 단일의 굴절 이상 척도를 사용하여 비근시 어린이의 미래 근시가 예측될 수 있는 것으로 결론지었다. 근시 예방을 위한 미래 시험은 저원시를 가진 어린이를 위험이 있는 어린이로서 타겟으로 하여야 한다.
중국에서의 연구는 원시 버퍼의 중요성을 뒷받침한다. 중국 광저우에서의 코호트 연구는 1학년(평균 연령 7.2세) 학생 1,975명 및 7학년(평균 연령 13.2세) 학생 2,670명을 모집하였다. 나이가 더 적은 코호트를 5년 동안 그리고 나이가 더 많은 코호트를 2년 동안 추적 조사하였다. 근시의 기준 유병률은 1학년 학생에서 12.0%(n = 1969 중 237) 및 7학년 학생에서 67.4%(n = 2663 중 1795)였다. 근시의 연간 발생률은 두 코호트에서 20% 내지 30%였다. 연구에서 제시된 데이터의 추출은 도 14에 제시되어 있으며, 기준 시점에서의 원시의 수준을 증가시키는 보호 효과를 보여준다.
상하이에서의 유사한 코호트 연구는 1학년 내지 3학년 학생 1,856명을 모집하였다(평균 연령 7.1세, 8.1세, 및 9.2세, 이들 중 1,567명은 기준 시점에 비근시였고, 1,385명은 2년 후에 재검사하였다). 부모의 근시만이 근시 발생률과 연관되었고, 근거리 작업 시간, 근거리 작업, 실외 활동 시간 또는 과외 수업 참석은 그렇지 않았다. 기준 굴절 이상과 근시 발생률 사이의 관계는 도 15에 제시되어 있다. 2년 근시 발생률의 최상의 예측자는 85%의 민감도 및 71%의 특이도에서 +0.50 D 이하 구면 대응치였다. 특이도가 ≥80%로 설정된 경우, +0.37 D 이하의 구면 대응치가 75%의 민감도에서 최상의 예측자였다.
고도 근시의 위험
하나 이상의 모델(예컨대, 공식)이 근시 위험 인자를 제공하는 데 사용될 수 있다. 예로서, 고도 근시(최소 -5 D)의 확률은 각각의 연령(예컨대, 18세 연령 이전)에서의 발병에 대해 예측될 수 있다. 본 개시의 모델은 발병 연령 및 인종과 같은 위험 인자에 기초할 수 있다. 8세보다 어린 나이의 근시 발병은 덜 흔하지만, 어린이가 고도 근시로 진행할 위험은 더 크다. 근시가 발생한 중국 어린이 443명의 연구에 따르면, 7세 또는 8세에 근시가 발병한 경우 54%가 성인이 되었을 때 고도 근시가 발생한 것으로 밝혀졌다. 대조적으로, 10세의 연령에 발병한 사람 중 19%만이 고도 근시가 발생하였다. 도 16은 고도 근시 위험 데이터를 보여준다. 11년 동안만 대상을 연구한 싱가포르 어린이의 이전 연구에서는 고도 근시가 발생한 어린이의 87%가 7세 이하의 발병 연령을 가졌다.
DREAM(Drentse Refractive Error and Myopia) 연구는 네덜란드의 한 안경원으로부터의 후향적 데이터를 사용하여 2,555명의 근시인 사람에 대한 진행 데이터를 보고하였다. 최소 1년 간격으로 처방을 받은 대상이 분석에 포함되었다. 10세의 연령 전에 처음 처방을 받은 사람은 -4.48 D (IQR: -5.37 내지 -3.42 D)의 중간 구면 대응치로 가장 빠른 진행을 보였다. 도 17a 내지 도 17c는 연령의 함수로서 고도 근시가 발생할 위험을 예시한다. 10세에 최소 -3 D였던 모든 어린이는 성인이 되었을 때 고도 근시(최소 -6 D)였다. 10세에 -1.50 내지 -3.00 D의 어린이는 고도 근시 위험이 46.0%였고, -0.50 내지 -1.50 D의 어린이는 위험이 32.6%였다. 이들 값은 25세 연령에 대한 것이다. 18세에 고도 근시에 대한 대응하는 백분율은 71.7%, 21.4% 및 5.5%이다.
도 18은 아시아 및 유럽의 근시인 사람의 발병 연령의 함수로서 고도 근시 위험의 비교를 보여준다. 아시아인의 눈의 더 높은 연간 진행률로 인해 고도 근시의 위험은 매우 상이하다. 유럽의 근시인 사람에 대한 데이터는 좌측으로 약 2.5년 이동하였다.
도 19는 유럽의 근시인 사람의 발병 연령의 함수로서 25세 및 18세의 고도 근시 위험의 비교를 보여준다. 10세 연령 이전에 근시가 발병한 경우, 근시 위험은 18세 내지 25세에서 대략 30%만큼 증가한다.
근시 위험 계산기에 대한 예시적인 모델이 본 명세서에 기술된다. 예로서, 연간 발생률이 계산될 수 있고, 이는 어린이의 현재 연령 +1세부터 18세까지 일정한 것으로 간주된다. 예를 들어:
연간 발생률 = 기준 발생률 × (1 + 성별 × 0.15) × 인종 × 1.6#근시인 부모 -1
여기서:
기준 발생률 = 0.04 또는 4%
성별 = 여성에 대해 1, 남성에 대해 0
인종 = 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1
참고: 연령이 지난 연도에 대해 계산함
근거리 작업 시간 및 실외 활동에 대한 데이터가 이용가능한 경우:
연간 발생률 = 기준 발생률 × (1+ 성별 × 0.15) × 인종 × 1.6#근시인 부모 -1× 0.5실외-1 × 1.1근거리 작업-1
여기서:
실외 = 실외에서 보낸 일단 시간수(알 수 없는 경우 = 1)
근거리 작업 = 근거리 작업에 소비한 일당 시간수 (알 수 없는 경우 = 1)
누적 발생률이 계산될 수 있고, 이는 어린이의 현재 연령부터 18세까지 일정한 것으로 간주된다.
누적 발생률은 다음과 같을 수 있다: 전년도 누적 발생률 + 연간 발생률 × (1 - 전년도 누적 발생률)
고도 근시(최소 -6 D)의 확률은 각각의 연령에서의 발병에 대해 예측될 수 있다:
인종 = 아시아인인 경우
고도 근시의 확률 = 연간 발생률 × 102.1 -0.293 × 연령 × (0.9 + 0.1 × #근시인 부모1.5) × (0.98 + 0.02 × 성별)
인종 ≠ 아시아인인 경우
고도 근시의 확률 = 연간 발생률 × 101.37 -0.293 × 연령 × (0.9 + 0.1 × #근시인 부모1.5) × (0.98 + 0.02 × 성별)
두 경우 모두 고도 근시의 확률은 연간 발생률을 초과할 수 없다:
고도 근시의 확률 > 연간 발생률이라면, 고도 근시의 확률 > 연간 발생률
고도 근시(최소 -5 D)의 누적 확률이 결정될 수 있다. 예로서, 고도 근시의 총 확률 = 각각의 연령에서의 전술한 확률들의 합
>0.99라면, = 0. 99
최소 -5 D의 근시의 누적 확률이 결정될 수 있다.
최소 -5 D의 총 확률 = 고도 근시의 총 확률 × 1.4
>0.99라면, = 0. 99

Claims (49)

  1. 컴퓨터-구현 방법으로서,
    인터페이스를 통해, 대상의 연령, 상기 대상의 성별, 상기 대상의 인종, 및 상기 대상의 근시인 부모들의 수를 나타내는 인구통계학적 정보를 수신하는 단계;
    상기 인터페이스를 통해, 상기 대상이 매일 밖에서 보내는 시간 및 상기 대상이 매일 근거리 작업에 소비하는 시간을 나타내는 행동 정보를 수신하는 단계;
    사전결정된 발생률 공식(incidence formula)에 따라, 상기 인구통계학적 정보 및 상기 행동 정보에 가중치를 부여함으로써 상기 대상에 대한 발생률 인자를 결정하는 단계로서, 상기 사전결정된 발생률 공식 및 가중치는 인구와 연관된 발생률 데이터로부터 도출되는, 상기 대상에 대한 발생률 인자를 결정하는 단계;
    사전결정된 진행 공식(progression formula)에 따라, 상기 인구통계학적 정보 및 상기 행동 정보에 가중치를 부여함으로써 상기 대상에 대한 진행 인자를 결정하는 단계로서, 상기 사전결정된 진행 공식 및 가중치는 인구와 연관된 진행 데이터로부터 도출되고, 상기 사전결정된 진행 공식은 상기 발생률 인자의 함수인, 상기 대상에 대한 진행 인자를 결정하는 단계;
    프로세서에 의해 그리고 상기 발생률 인자 및 상기 진행 인자에 기초하여, 근시를 나타낼 상기 대상의 위험을 나타내는 근시 위험 메트릭(myopia risk metric)을 예측 및 계산하는 단계; 및
    정량적 수치 성분을 포함하는 상기 근시 위험 메트릭을 출력시키는 단계를 포함하는, 방법.
  2. 제1항에 있어서, 상기 발생률 인자는 적어도 하기 공식 관계에 기초하고:
    발생률 인자 = BI × G × α × E × βMP,
    여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수이고, α 및 β는 증거-기반 가중 인자들인, 방법.
  3. 제1항에 있어서, 상기 발생률 인자는 적어도 하기 공식에 기초하고:
    발생률 인자 = BI × (1 + G × 0.15) × E × 1.6MP-1,
    여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수인, 방법.
  4. 제3항에 있어서, BI는 0.04인, 방법.
  5. 제3항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  6. 제3항에 있어서, E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1인, 방법.
  7. 제1항에 있어서, 상기 발생률 인자는 적어도 하기 공식에 기초하고:
    발생률 인자 = BI × (1 + G × 0.15) × E × 1.6MP-1× 0.5OT-1 × 1.1NT-1
    여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수이고, OT는 상기 대상이 매일 밖에서 보내는 시간(시)이고, NT는 상기 대상이 매일 근거리 작업에 소비하는 시간(시)인, 방법.
  8. 제7항에 있어서, BI는 0.04인, 방법.
  9. 제7항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  10. 제7항에 있어서, E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1인, 방법.
  11. 제1항에 있어서, 상기 진행 인자는 상기 대상이 고도 근시를 나타낼 확률을 나타내고, 고도 근시는 최소 -4D 또는 최소 -6D 중 하나인, 방법.
  12. 제1항에 있어서, 아시아 인종인 대상에 대한 상기 진행 인자는 적어도 하기 공식에 기초하고:
    진행 인자 = 발생률 인자 × 102.1 -0.293 × A × (0.9 + 0.1 × MP1.5) × (0.98 + 0.02 × G),
    여기서 A는 상기 대상의 연령이고, G는 성별 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수인, 방법.
  13. 제12항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  14. 제1항에 있어서, 비-아시아 인종인 대상에 대한 상기 진행 인자는 적어도 하기 공식에 기초하고:
    진행 인자 = 발생률 인자 × 101.37 -0.293 × A × (0.9 + 0.1 × MP1.5) × (0.98 + 0.02 × G),
    여기서 A는 상기 대상의 연령이고, G는 성별 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수인, 방법.
  15. 제14항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  16. 제1항에 있어서, 상기 방법은 상기 대상이 비-근시임을 나타내는 상기 대상과 연관된 굴절 이상 또는 상기 대상의 안구의 안축장(axial length) 중 하나 이상을 나타내는 진단 정보를 수신하는 단계를 추가로 포함하고, 상기 발생률 인자 또는 상기 진행 인자 중 하나 이상은 적어도 상기 진단 정보에 기초하여 결정되는, 방법.
  17. 제1항에 있어서, 상기 위험 메트릭은 중증도 메트릭(severity metric)을 포함하는, 방법.
  18. 제17항에 있어서, 상기 중증도 메트릭은 예상 근시 수준을 포함하는, 방법.
  19. 제1항에 있어서, 상기 정량적 수치 성분은 백분율인, 방법.
  20. 제1항의 방법을 구현하도록 구성된 디바이스.
  21. 제1항의 방법을 구현하도록 구성된 시스템.
  22. 컴퓨터-구현 방법으로서,
    인터페이스를 통해, 대상의 인구통계학적 정보를 수신하는 단계;
    상기 인터페이스를 통해, 상기 대상의 행동 정보를 수신하는 단계;
    상기 인구통계학적 및 행동 정보 또는 제2 정보 중 하나 이상에 기초하여, 사전결정된 발생률 공식에 따라, 상기 인구통계학적 정보 및 상기 행동 정보에 가중치를 부여함으로써 상기 대상에 대한 발생률 인자를 결정하는 단계로서, 상기 사전결정된 발생률 공식 및 가중치는 인구와 연관된 발생률 데이터로부터 도출되는, 상기 대상에 대한 발생률 인자를 결정하는 단계;
    상기 인구통계학적 정보 또는 상기 행동 정보 중 하나 이상에 기초하여, 사전결정된 진행 공식에 따라, 상기 인구통계학적 정보 및 상기 행동 정보에 가중치를 부여함으로써 상기 대상에 대한 진행 인자를 결정하는 단계로서, 상기 사전결정된 진행 공식 및 가중치는 인구와 연관된 진행 데이터로부터 도출되고, 상기 사전결정된 진행 공식은 상기 발생률 인자의 함수인, 상기 대상에 대한 진행 인자를 결정하는 단계;
    프로세서에 의해 그리고 상기 발생률 인자 및 상기 진행 인자에 기초하여, 근시를 나타낼 상기 대상의 위험을 나타내는 근시 위험 메트릭 또는 근시의 수준을 나타내는 중증도 메트릭 중 하나 이상을 예측 및 계산하는 단계; 및
    상기 근시 위험 메트릭 또는 상기 중증도 메트릭 중 하나 이상을 출력시키는 단계로서, 상기 근시 위험 메트릭 및 상기 중증도 메트릭 각각은 정량적 수치 성분을 포함하는, 상기 근시 위험 메트릭 또는 상기 중증도 메트릭 중 하나 이상을 출력시키는 단계를 포함하는, 방법.
  23. 제22항에 있어서, 제1 정보는 상기 대상의 연령을 포함하는, 방법.
  24. 제22항에 있어서, 제1 정보는 상기 대상의 성별을 포함하는, 방법.
  25. 제22항에 있어서, 제1 정보는 상기 대상의 인종을 포함하는, 방법.
  26. 제22항에 있어서, 제1 정보는 상기 대상의 근시인 부모들의 수를 포함하는, 방법.
  27. 제22항에 있어서, 상기 제2 정보는 상기 대상이 매일 밖에서 보내는 시간을 포함하는, 방법.
  28. 제22항에 있어서, 상기 제2 정보는 상기 대상이 매일 근거리 작업에 소비하는 시간을 포함하는, 방법.
  29. 제22항에 있어서, 상기 방법은, 상기 인터페이스를 통해, 상기 대상과 연관된 굴절 이상 또는 상기 대상의 안구의 안축장 중 하나 이상을 나타내는 측정가능한 진단 정보를 수신하는 단계를 추가로 포함하고, 근시를 나타낼 상기 대상의 위험을 나타내는 근시 위험 메트릭을 예측 및 계산하는 단계는 적어도 제3 정보에 기초하는, 방법.
  30. 제22항에 있어서, 상기 발생률 인자는 적어도 하기 공식 관계에 기초하고:
    발생률 인자 = BI × G × α × E × βMP,
    여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수이고, α 및 β는 증거-기반 가중 인자들인, 방법.
  31. 제22항에 있어서, 상기 발생률 인자는 적어도 하기 공식에 기초하고:
    발생률 인자 = BI × (1 + G × 0.15) × E × 1.6MP-1,
    여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수인, 방법.
  32. 제31항에 있어서, BI는 0.04인, 방법.
  33. 제31항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  34. 제31항에 있어서, E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1인, 방법.
  35. 제22항에 있어서, 상기 발생률 인자는 적어도 하기 공식에 기초하고:
    발생률 인자 = BI × (1 + G × 0.15) × E × 1.6MP-1× 0.5OT-1 × 1.1NT-1
    여기서 BI는 기준 발생률 인자이고, G는 성별 가중 인자이고, E는 인종 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수이고, OT는 상기 대상이 매일 밖에서 보내는 시간(시)이고, NT는 상기 대상이 매일 근거리 작업에 소비하는 시간(시)인, 방법.
  36. 제35항에 있어서, BI는 0.04인, 방법.
  37. 제35항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  38. 제35항에 있어서, E는 아시아인에 대해 2.5, 히스패닉계에 대해 2, 다른 인종에 대해 1인, 방법.
  39. 제22항에 있어서, 상기 진행 인자는 상기 대상의 18세 연령까지 상기 대상이 고도 근시(최소 -6D)를 나타낼 확률을 나타내는, 방법.
  40. 제22항에 있어서, 아시아 인종인 대상에 대한 상기 진행 인자는 적어도 하기 공식에 기초하고:
    진행 인자 = 발생률 인자 × 102.1 -0.293 × A × (0.9 + 0.1 × MP1.5) × (0.98 + 0.02 × G),
    여기서 A는 상기 대상의 연령이고, G는 성별 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수인, 방법.
  41. 제40항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  42. 제22항에 있어서, 비-아시아 인종인 대상에 대한 상기 진행 인자는 적어도 하기 공식에 기초하고:
    진행 인자 = 발생률 인자 × 101.37 -0.293 × A × (0.9 + 0.1 × MP1.5) × (0.98 + 0.02 × G),
    여기서 A는 상기 대상의 연령이고, G는 성별 가중 인자이고, MP는 상기 대상의 근시인 부모들의 수인, 방법.
  43. 제42항에 있어서, G는 여성에 대해 1이고 남성에 대해 0인, 방법.
  44. 제22항에 있어서, 상기 근시 중증도 메트릭은 예상 근시 수준을 포함하는, 방법.
  45. 제22항에 있어서, 상기 위험 메트릭은 중증도 메트릭을 포함하는, 방법.
  46. 제45항에 있어서, 상기 근시 중증도 메트릭은 예상 근시 수준을 포함하는, 방법.
  47. 제22항에 있어서, 상기 정량적 수치 성분은 백분율인, 방법.
  48. 제22항의 방법을 구현하도록 구성된 디바이스.
  49. 제22항의 방법을 구현하도록 구성된 시스템.
KR1020247011035A 2021-09-03 2022-08-30 근시 위험을 예측하기 위한 시스템 및 방법 KR20240058903A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/466,132 US20230081566A1 (en) 2021-09-03 2021-09-03 Systems and methods for predicting myopia risk
US17/466,132 2021-09-03
PCT/IB2022/058132 WO2023031800A1 (en) 2021-09-03 2022-08-30 Systems and methods for predicting myopia risk

Publications (1)

Publication Number Publication Date
KR20240058903A true KR20240058903A (ko) 2024-05-07

Family

ID=85410906

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020247011035A KR20240058903A (ko) 2021-09-03 2022-08-30 근시 위험을 예측하기 위한 시스템 및 방법

Country Status (6)

Country Link
US (1) US20230081566A1 (ko)
KR (1) KR20240058903A (ko)
AU (1) AU2022337079A1 (ko)
CA (1) CA3230735A1 (ko)
TW (1) TW202318443A (ko)
WO (1) WO2023031800A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117671908A (zh) * 2023-12-06 2024-03-08 广州视域光学科技股份有限公司 基于行为监测的近视防控系统及其防控方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090307180A1 (en) * 2008-03-19 2009-12-10 Brandon Colby Genetic analysis
WO2016191277A1 (en) * 2015-05-22 2016-12-01 Indiana University Research & Technology Corporation Methods and systems for patient specific identification and assessment of ocular disease risk factors and treatment efficacy
US10042181B2 (en) * 2016-01-27 2018-08-07 Johnson & Johnson Vision Care, Inc. Ametropia treatment tracking methods and system
US10912456B2 (en) * 2016-01-27 2021-02-09 Johnson & Johnson Vision Care, Inc. Ametropia treatment tracking methods and system
EP3321831B1 (de) * 2016-11-14 2019-06-26 Carl Zeiss Vision International GmbH Vorrichtung zum ermitteln von prognostizierten subjektiven refraktionsdaten oder prognostizierten subjektiven korrektionsdaten und computerprogramm
AU2016265973A1 (en) * 2016-11-28 2018-06-14 Big Picture Medical Pty Ltd System and method for identifying a medical condition
KR101945459B1 (ko) * 2017-07-07 2019-02-07 (의)삼성의료재단 안구 건조 위험도를 측정하는 장치, 방법 및 그 방법을 실행하기 위한 컴퓨터 프로그램
WO2020083382A1 (en) * 2018-10-26 2020-04-30 Ai Technologies Inc. Accurate prediction and treatment of myopic progression by artificial intelligence
JP2022512505A (ja) * 2018-12-21 2022-02-04 エシロール・アンテルナシオナル 視力関連パラメータの経時的な進展を予測するための方法及び装置
EP3760102B1 (en) * 2019-07-04 2023-11-08 Vivior AG Technique for determining a risk indicator for myopia
GB201918993D0 (en) * 2019-12-20 2020-02-05 Univ Dublin Technological A system and method of determining the ocular biometric status of a patient

Also Published As

Publication number Publication date
CA3230735A1 (en) 2023-03-09
AU2022337079A1 (en) 2024-04-18
TW202318443A (zh) 2023-05-01
WO2023031800A1 (en) 2023-03-09
US20230081566A1 (en) 2023-03-16

Similar Documents

Publication Publication Date Title
CN108836626B (zh) 屈光异常治疗追踪方法和系统
EP3395233B1 (en) Ametropia treatment tracking methods and system
RU2664173C2 (ru) Способы и система слежения за лечением аметропии
Hickenbotham et al. Meta-analysis of sex differences in presbyopia
Casson et al. Exceptionally low prevalence of refractive error and visual impairment in schoolchildren from Lao People's Democratic Republic
Papas et al. Utility of short-term evaluation of presbyopic contact lens performance
Sha et al. Visual performance of myopia control soft contact lenses in non-presbyopic myopes
CN106461966B (zh) 用于提供高分辨率矫正眼科镜片的系统和方法
Varma et al. The prevalence and risk indicators of uncorrected refractive error and unmet refractive need in Latinos: the Los Angeles Latino Eye Study
Dragomirova et al. Myopia in Bulgarian school children: prevalence, risk factors, and health care coverage
KR20240058903A (ko) 근시 위험을 예측하기 위한 시스템 및 방법
Wang et al. A randomized Noninferiority trial of wearing adjustable glasses versus standard and Ready-made spectacles among Chinese schoolchildren: Wearability and evaluation of adjustable refraction III
WO2023077411A1 (en) Devices and methods for determining data related to a progression of refractive values of a person
Moore et al. The refractive error and vision impairment estimation with spectacle data study
CN118159182A (zh) 用于预测近视风险的系统和方法
Huang et al. Development and validation of a simple nomogram for predicting rapid myopia progression in children with orthokeratology management
Keel et al. Prevalence, associations and characteristics of severe uncorrected refractive error in the Australian National Eye Health Survey
Hong et al. Photorefraction screening plus atropine treatment for myopia is cost-effective: a proof-of-concept Markov analysis
Li et al. Study of myopia progression and risk factors in Hubei children aged 7–10 years using machine learning: a longitudinal cohort
KR102019932B1 (ko) 미래 시력장애 정도 측정 장치 및 방법
EP4177907A1 (en) A method and system for determining a risk of an onset or progression of myopia
Meyer et al. Clinical Comparison of High-resolution and Standard Refractions and Prescriptions
Zhang et al. Effect of Low-Concentration Atropine Eye Drops in Controlling the Progression of Myopia in Children: A One-and Two-Year Follow-Up Study