banner
Lar / blog / Utilidade clínica do intervalo máximo de piscadas medido pelo aplicativo de smartphone DryEyeRhythm para apoiar o diagnóstico da doença do olho seco
blog

Utilidade clínica do intervalo máximo de piscadas medido pelo aplicativo de smartphone DryEyeRhythm para apoiar o diagnóstico da doença do olho seco

Jun 17, 2023Jun 17, 2023

Scientific Reports volume 13, Artigo número: 13583 (2023) Citar este artigo

150 acessos

1 Altmétrico

Detalhes das métricas

A pandemia da doença coronavírus (COVID-19) enfatizou a escassez de métodos sem contato e não invasivos para a avaliação objetiva da doença do olho seco (DED). No entanto, faltam evidências robustas para apoiar a implementação de biometria baseada em saúde móvel e em aplicações para uso clínico. Este estudo teve como objetivo avaliar a confiabilidade e validade das medições do intervalo máximo de piscadas (MBI) baseadas em aplicativo usando DryEyeRhythm e técnicas tradicionais equivalentes para fornecer um diagnóstico acessível e conveniente. Neste estudo observacional, prospectivo, transversal e unicêntrico, 83 participantes, incluindo 57 com DED, tiveram medições registradas, incluindo MBI baseado em lâmpada de fenda, baseado em aplicativo e confirmado visualmente. A consistência interna e a confiabilidade foram avaliadas por meio do alfa de Cronbach e dos coeficientes de correlação intraclasse. As validades discriminante e concorrente foram avaliadas comparando os MBIs dos grupos DED e não-DED e testes de Pearson para cada par de plataformas. A análise de Bland-Altman foi realizada para avaliar a concordância entre as plataformas. O MBI baseado em aplicativo apresentou bons valores de coeficiente alfa de Cronbach, coeficiente de correlação intraclasse e coeficiente de correlação de Pearson, em comparação com o MBI confirmado visualmente. O grupo DED teve MBIs baseados em aplicativos significativamente mais curtos, em comparação com o grupo não-DED. A análise de Bland-Altman revelou vieses mínimos entre os MBIs baseados em aplicativos e os confirmados visualmente. Nossas descobertas indicam que DryEyeRhythm é uma ferramenta confiável e válida que pode ser usada para coleta não invasiva e sem contato de medições MBI, o que pode auxiliar na detecção e gerenciamento acessíveis de DED.

A doença do olho seco (DED) é a doença da superfície ocular de ocorrência mais comum, afetando 5–50% da população globalmente1,2. Espera-se que a sua prevalência aumente com a digitalização contínua e o envelhecimento da sociedade2,3. Pacientes com DED apresentam uma ampla gama de sintomas, como dor ocular, desconforto e diminuição da acuidade visual causada pela diminuição do tempo de ruptura do filme lacrimal (TFBUT) e defeitos epiteliais ceratoconjuntivais4,5. Assim, o DED tem um impacto negativo na produtividade e na qualidade da visão, impactando assim a qualidade de vida e resultando em perdas económicas6,7. Uma proporção significativa de pacientes com DED pode não ser diagnosticada e não procurar tratamento apesar de apresentar sintomas8, indicando a necessidade de uma nova abordagem que possa expandir o alcance do rastreio de DED, promover o diagnóstico precoce e a intervenção para a gestão imediata dos sintomas, prevenir a diminuição da qualidade da vida e reduzir os custos sociais da gestão de DED5.

A demanda por exames não invasivos e sem contato e a incorporação da telemedicina na prática rotineira aumentaram rapidamente com a pandemia do novo coronavírus (COVID-19)9,10. O DED é diagnosticado avaliando sintomas subjetivos e achados objetivos em exames, como TFBUT e coloração da superfície ocular11,12. Os exames de olho seco requerem equipamento especializado, como microscópios com lâmpada de fenda e corante de fluoresceína; além disso, a natureza invasiva do exame perturba a verdadeira composição lacrimal in vivo12. Portanto, realizar uma avaliação abrangente de DED em um ambiente de telessaúde é impraticável, garantindo a avaliação formal de várias estratégias de telessaúde para diagnosticar remotamente DED e gerenciar seus sintomas5,13,14.

O intervalo máximo de piscar (MBI), que é definido como a duração que os participantes conseguem manter os olhos abertos antes de piscar durante cada tentativa, correlaciona-se positivamente com o TFBUT15. O MBI pode ser medido de forma não invasiva, sem contato, sob observação com um microscópio de lâmpada de fenda. O uso combinado de um microscópio com lâmpada de fenda e um questionário de sintomas específicos de DED mostrou sensibilidade e especificidade de 75,4% e 92,9%, respectivamente, para o diagnóstico de DED16. Ao eliminar a necessidade de medições de MBI baseadas em lâmpada de fenda, o MBI poderia substituir o TFBUT em configurações remotas para permitir diagnóstico e monitoramento de DED não invasivo e sem contato.

MBI was defined as the time that patients could keep their eyes open before blinking15. It was measured in three ways: using a slit-lamp microscope (slit-lamp-based MBI), DryEyeRhythm (app-based MBI [iOS and Android]), and a stopwatch (visually confirmed MBI). All MBIs were measured thrice. Slit-lamp-based MBI was calculated using a stopwatch under light microscopy. App-based MBIs were measured using the iOS and Android versions of the DryEyeRhythm smartphone app installed on an iPhone 12 Pro MAX (Apple Inc., Cupertino, CA, USA) and an Xperia 5 II (Sony Corporation, Tokyo, Japan) and their embedded cameras, with a face recognition technology called ARCore for the iOS and Android interface " href="/articles/s41598-023-40968-y#ref-CR38" id="ref-link-section-d2539283e2275"38. During the measurement of app-based MBIs, visually confirmed MBI was measured by the examiner by observing the user’s eyes with a stopwatch. The mean MBI was used in the analysis. Figure 3 shows a representative illustration (Fig. 3a) and screenshots of MBI measurement (Fig. 3b–e) using the DryEyeRhythm app./p> 0.70 was considered acceptable40. ICC was used to evaluate the agreement among the slit-lamp-based, app-based, and visually confirmed MBIs. An ICC value ≥ 0.70 was considered acceptable41./p> /p>

3.0.CO;2-E" data-track-action="article reference" href="https://doi.org/10.1002%2F%28SICI%291097-0258%2819980115%2917%3A1%3C101%3A%3AAID-SIM727%3E3.0.CO%3B2-E" aria-label="Article reference 43" data-doi="10.1002/(SICI)1097-0258(19980115)17:13.0.CO;2-E"Article CAS PubMed Google Scholar /p>