Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

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

7 lipca 2026 zaktualizowane przez: 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.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

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.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

2500

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Kopia zapasowa kontaktu do badania

Lokalizacje studiów

  • Chiny
      • Jiangxi, Chiny
        • Rekrutacyjny
        • The Second Affiliated Hospital of Nanchang University, Nanchang, JiangXi 330000
        • Kontakt:
        • Kontakt:

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

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

Opis

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.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
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.
Test diagnostyczny: 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.
Test diagnostyczny: 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.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Accuracy of predicted cycloplegic spherical equivalent
Ramy czasowe: 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

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Diagnostic performance for identifying patients requiring cycloplegic refraction
Ramy czasowe: 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
Ramy czasowe: 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

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Second Affiliated Hospital of Nanchang University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

3 października 2023

Zakończenie podstawowe (Szacowany)

25 listopada 2026

Ukończenie studiów (Szacowany)

25 listopada 2026

Daty rejestracji na studia

Pierwszy przesłany

21 czerwca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

5 lipca 2026

Pierwszy wysłany (Rzeczywisty)

8 lipca 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

9 lipca 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

7 lipca 2026

Ostatnia weryfikacja

1 lipca 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • [2026] NO.(123)

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj