Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

DL Models Predicting Cycloplegic Refractive Error Based on Non-Cycloplegic Parameters in Myopic Adults

2026. július 7. frissítette: Jian Xiong, Second Affiliated Hospital of Nanchang University

Efficacy of Deep Learning Models for Predicting Cycloplegic Refractive Error Based on Non-Cycloplegic Parameters in Adults With Myopia

This study presents a machine learning model that predicts cycloplegic refraction in adults with myopia using standard non-cycloplegic eye measurements, aiming to reduce the need for cycloplegic drops while still identifying patients who require them.

A tanulmány áttekintése

Állapot

Toborzás

Körülmények

Beavatkozás / kezelés

Részletes leírás

Myopia is a highly prevalent, irreversible refractive disorder with substantial impact on quality of life. Cycloplegic refraction is the gold standard for assessing refractive error in adults considering optical or surgical correction, but it is time-consuming, slow to recover from, and frequently associated with ocular discomfort. Non-cycloplegic refraction is therefore used routinely in clinical practice, despite known differences from cycloplegic values in a subset of adult myopes.

Critically, this discrepancy varies substantially between individuals and cannot be anticipated from non-cycloplegic measurements alone. Clinicians have no reliable way to identify, prior to dilation, which patients are likely to be overcorrected if cycloplegia is omitted, potentially leading to overcorrected prescriptions, asthenopia, and myopic progression.

Machine learning approaches that capture non-linear relationships between clinical predictors and refractive outcomes have shown promise in children, but comparable models for adults remain largely unexplored, and most rely on axial length, which is unavailable in routine optometric settings. Refractive surgery centers offer a uniquely suitable data source, as every candidate undergoes standardized paired non-cycloplegic and cycloplegic refraction with detailed anterior segment biometry during routine preoperative evaluation. This study leverages such data to develop and validate models estimating cycloplegic refractive error from non-cycloplegic parameters, providing a decision-support tool that reduces unnecessary cycloplegia while flagging patients for whom dilated refraction remains indicated.

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

2500

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányozza a kapcsolattartók biztonsági mentését

Tanulmányi helyek

  • Kína
      • Jiangxi, Kína
        • Toborzás
        • The Second Affiliated Hospital of Nanchang University, Nanchang, JiangXi 330000
        • Kapcsolatba lépni:
        • Kapcsolatba lépni:

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Each subject underwent a comprehensive preoperative examination, including cycloplegic and non-cycloplegic refractions, Pentacam, etc.

Leírás

Inclusion Criteria:

  1. Age 18 to 60 years, of either sex;
  2. Spherical equivalent between -0.50 diopters and -10.00 diopters, with myopia in one or both eyes, and with cylinder of 4.00 diopters or less;
  3. Best-corrected visual acuity of 20/25 or better in each eye;
  4. Clear cornea, no keratoconus, corneal scarring, or other pathologies; clear lens;
  5. Intraocular pressure of 21 mmHg or less, with no history of glaucoma;
  6. No history of ocular surgery, especially corneal refractive surgery or cataract surgery;
  7. Time interval between non-cycloplegic refraction and cycloplegic refraction of 7 days or less, with complete data.

Exclusion Criteria:

  1. Incomplete clinical data to support the diagnosis;
  2. Ocular conditions such as subclinical keratoconus, keratoconus, or moderate-to-severe corneal haze or leukoma;
  3. Allergy or contraindication to cycloplegic agents;
  4. Refusal to participate in the study.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
Group with spherical equivalent change ≥0.50 diopters after cycloplegic refraction
Adult myopes with a non-cycloplegic versus cycloplegic spherical equivalent difference of ≥0.50 diopters, for whom cycloplegic refraction is clinically warranted, received routine cycloplegic refraction with tropicamide; no other intervention was given.
Diagnosztikai vizsgálat: Machine learning model for predicting cycloplegic refraction
The machine learning model was applied to each participant's non-cycloplegic parameters to predict cycloplegic spherical equivalent.
Group with spherical equivalent change <0.50 diopters after cycloplegic refraction
Adult myopes with an absolute difference of less than 0.50 diopters between non-cycloplegic and cycloplegic spherical equivalent, for whom non-cycloplegic refraction is considered sufficient, received routine cycloplegic refraction with tropicamide; no additional intervention was applied.
Diagnosztikai vizsgálat: Machine learning model for predicting cycloplegic refraction
The machine learning model was applied to each participant's non-cycloplegic parameters to predict cycloplegic spherical equivalent.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Accuracy of predicted cycloplegic spherical equivalent
Időkeret: Day 0
Accuracy of the machine learning model in predicting cycloplegic spherical equivalent in the validation dataset, evaluated by mean absolute error, root mean square error, and coefficient of determination, expressed for spherical equivalent in diopters.
Day 0

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Diagnostic performance for identifying patients requiring cycloplegic refraction
Időkeret: Day 0
Area under the receiver operating characteristic curve, sensitivity, and specificity of the model for classifying patients with an absolute difference of 0.50 diopters or more between non-cycloplegic and cycloplegic spherical equivalent in the validation dataset.
Day 0
Agreement between predicted and measured cycloplegic refraction
Időkeret: Day 0
Agreement between predicted and measured cycloplegic spherical equivalent assessed by Bland-Altman analysis with mean bias and 95% limits of agreement, and by the intraclass correlation coefficient in the validation dataset.
Day 0

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Second Affiliated Hospital of Nanchang University

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2023. október 3.

Elsődleges befejezés (Becsült)

2026. november 25.

A tanulmány befejezése (Becsült)

2026. november 25.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. június 21.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. július 5.

Első közzététel (Tényleges)

2026. július 8.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. július 9.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. július 7.

Utolsó ellenőrzés

2026. július 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Kulcsszavak

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • [2026] NO.(123)

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel