Detection of Disease Progression in Advanced Glaucoma

在青光眼诊断领域，一个亟待满足的需求是为青光眼的客观检测找到新的方法。 进展期视力障碍(VF)和进展性眼部疾病的病情恶化或严重程度的预测指标。 晚期青光眼患者面临失去剩余视力和失明的高风险。视网膜神经纤维层。 随着青光眼的进展，美国国家橄榄球联盟(RNFL)和视神经中心的措施将达到他们的最低测量标准。 早期阶段。因此，欧洲中央银行VF的功能评估体系目前仍是全球先进银行监管的主要工具。 青光眼。我们的中心神经假说是对黄斑和视网膜中央神经节细胞(RGC)/轴突的评估。 自上一批RGC似乎消失以来，复杂的技术可能会导致对疾病进展的更好的检测和预测。 在青光眼中，我们不会在青光眼的一个队列中检验这一假说。 受试者刚刚达到5年的随访期，并将在青光眼和青光眼的不同队列中验证我们的方法。 正常受试者。他们的目标是：1.黄斑厚度的测量方法能够更早地发现黄斑厚度的变化，并与更强的黄斑厚度保持一致。 与RNFL在晚期青光眼中所采取的措施相比，信号如何？我们将不会衡量全球癌症和青光眼的进展和比率。 局部黄斑部和RNFL的测量是在贝叶斯和分层的医疗框架内进行的。我们将不会比较它们的进展。 黄斑部和RNFL的眼球/区域/扇区进展的比率和措施有助于恢复正常的眼球。 并考虑到不同的黄斑分级，以及与年龄相关的黄斑腐烂、疼痛和治疗。他们的目标是2A.它可以改变黄斑的10月厚度。 变化是否能证实和预测VFS治疗晚期青光眼的中央动脉系统的变化？我们将不会估计。 纵向/时态结构-功能关系与模型的贝叶斯-贝叶斯-联合-分层-纵向建模模型 黄斑中心10°VF和中央10°VF的测量。这两个模型将不能决定是否有一个新的同期。 或者滞后于10月1日和11月的VF恶化速度。我们将不会评估基线、疾病严重程度和治疗的影响。 和其他协变量依赖于这些联合的和纵向的VF模型。我们也将不会比较两个联合的黄斑/中央VF。 模型包括RNFL和VFS的联合模型，并将开发从1岁到4岁的功能预测模型。 未来。我们的目标是2B。为了更好地验证各种预测模型的最佳性能，我们还将前瞻性地启动第二次评估。 登记了符合相似纳入标准的患者的队列，并按年龄、性别和年龄匹配的患者加入了第一个原始队列。 种族和青光眼严重程度的基线。我们将不会比较VF和点预测(例如，一次或两次)的步骤。 3.开发将黄斑结构数据和功能数据相结合的软件平台。 在未来，它将作为一种重要的临床辅助工具，用于肿瘤的检测和进展的预测。它还将为临床医生提供更好的治疗方案。 结构/功能变化率和结构变化率是从基线开始的，结构/功能变化率是从基准开始变化的，结构/功能变化率是变动率的最大概率。 应用程序提供的信息将在一次测试期间无法正常使用，因此应用程序提供的信息可能会发生功能变化。 临床医生需要就青光眼正在进行的药物治疗做出新的决定。广泛和实时的药物使用。 我们的医疗软件系统将使我们的疾病监测系统和进展性疾病的及时治疗系统得到显著改善。 青光眼经历了两个进展期，这将有助于减少青光眼导致的视力障碍。

A pressing unmet need in the field of glaucoma diagnostics is to find methods for objective detection of  disease  worsening  or  prediction  of  visual  field  (VF)  progression  in  eyes  with  advanced  disease.  Eyes  with  advanced  glaucoma  are  at  high  risk  of  losing  the  remaining  vision  and  blindness.  Retinal  nerve  fiber  layer  (RNFL)  and  optic  nerve  head  measures  reach  their  measurement  floor  as  glaucoma  progresses  beyond  the  early stages. Hence, functional assessment of the central VF is currently the main tool for monitoring advanced  glaucoma.  Our  central  hypothesis  is  that  assessment  of  the  macular  retinal  ganglion  cell  (RGC)/axonal  complex can lead to improved detection or prediction of disease progression since the last RGCs to disappear  in  glaucoma  reside  in  the  central  retina  (the  macula).  We  will  test  this  hypothesis  in  a  cohort  of  glaucoma  subjects  just  reaching  5  years  of  follow-­up  and  validate  our  methods  in  separate  cohorts  of  glaucoma  and  normal  subjects.  Aim  1.  Are  macular  thickness  measures  able  to  detect  change  earlier  and  with  a  stronger  signal compared to RNFL measures in advanced glaucoma? We will measure progression rates for global and  local  macular  and  RNFL  measures  within  a  Bayesian  hierarchical  framework.  We  will  compare  progression  rates  and  the  proportion  of  progressing  eyes/regions/sectors  for  macular  and  RNFL  measures  to  normal  eyes  and  account  for  differing  scales,  age-­related  decay,  and  treatment.  Aim  2A.  Can  macular  OCT  thickness  changes  confirm  and  predict  changes  in  central  VFs  for  advanced  glaucoma?  We  will  estimate  longitudinal/temporal  structure-­function  relationships  with  Bayesian  joint  hierarchical  longitudinal  modeling  of  macular OCT and central 10° VF measures. These models will determine whether there is a contemporaneous  or  lagged  deterioration  of  OCT  and  VF.  We  will  assess  the  influence  of  baseline  disease  severity,  treatment  and  other  covariates  on  these  joint  longitudinal  models.  We  will  also  compare  the  joint  macular/central  VF  models  to  joint  models  of  RNFL  and  24°  VFs  and  develop  functional  prediction  models  from  1  to  4  years  ahead.  Aim  2B.  To  validate  the  performance  of  prediction  models,  we  will  initiate  a  second  prospectively  enrolled cohort of patients meeting similar inclusion criteria and matched to the original cohort by age, gender,  ethnicity  and  baseline  glaucoma  severity.  We  will  compare  VF  point  predictions  (e.g.,  one-­  or  two-­visit  step  ahead) to the observed VF data. Aim  3. Develop software for combining macular structural and functional data  in  real  time  as  a  clinical  tool  for  detection  or  prediction  of  progression.  It  will  provide  clinicians  with  structural/functional  rates  of  change  and  structural  ‘step’  changes  from  baseline,  and  the  probability  and  distribution of  predicted  functional  changes  The  information provided  by  the application  can  be  used  during a  clinical  encounter  to  make  decisions  regarding  ongoing  management  of  glaucoma.  Widespread  real-­time  use  of our software will result in significant improvements in disease monitoring and timely treatment of progressive  glaucoma through advanced stages and will help reduce visual disability from glaucoma.