|
Resumen Objetivo La enfermedad del ojo seco (EOS) no diagnosticada o tratada inadecuadamente disminuye la calidad de vida. Nuestro objetivo fue investigar la confiabilidad, validez y viabilidad de la aplicación para teléfonos inteligentes DryEyeRhythm (app) para la asistencia en el diagnóstico de DED. Métodos Este estudio prospectivo, transversal, observacional y de un solo centro reclutó a 82 participantes (42 con EOS) de 20 años o más (julio de 2020 a mayo de 2021). Se excluyeron los pacientes con antecedentes de trastorno palpebral, ptosis, enfermedad mental, enfermedad de Parkinson o cualquier otra enfermedad que afecte al parpadeo. Los participantes se sometieron a exámenes DED incluida la versión japonesa del Índice de enfermedad de la superficie ocular (J-OSDI) y el intervalo máximo de parpadeo (MBI). Analizamos sus resultados J-OSDI y MBI basados en aplicaciones. La confiabilidad de la consistencia interna y la validez concurrente se evaluaron mediante los coeficientes alfa de Cronbach y la prueba de Pearson, respectivamente. La validez discriminante del diagnóstico de DED basado en la aplicación se evaluó comparando los resultados del J-OSDI y el MBI basados en la clínica. La viabilidad de la aplicación y el rendimiento de la detección se evaluaron mediante el análisis de la curva característica operativa del receptor y la tasa de precisión. Resultados El J-OSDI basado en aplicaciones mostró una buena consistencia interna (α de Cronbach = 0,874). El J-OSDI y el MBI basados en aplicaciones se correlacionaron positivamente con sus homólogos clínicos (r = 0,891 y r = 0,329, respectivamente). La validez discriminante del J-OSDI y el MBI basados en aplicaciones produjo puntuaciones totales significativamente más altas para la cohorte DED (8,6 ± 9,3 frente a 28,4 ± 14,9, P < 0,001; 19,0 ± 11,1 frente a 13,2 ± 9,3, P < 0,001). Los valores predictivos positivo y negativo de la aplicación fueron 91,3 % y 69,1 %, respectivamente. El área bajo la curva (intervalo de confianza del 95 %) fue de 0,910 (0,846–0,973) con el uso simultáneo de J-OSDI y MBI basados en aplicaciones. Conclusiones La aplicación DryEyeRhythm es un instrumento novedoso, no invasivo, fiable y válido para evaluar la DED. |
Imagen: Los resultados muestran que los resultados de diagnóstico de DryEyeRhythm tienen una buena consistencia interna, se correlacionan positivamente con sus contrapartes clínicas y demuestran una mayor validez discriminante. Crédito: Universidad Juntendo
Comentarios
La enfermedad del ojo seco (DED, por sus siglas en inglés) es una afección caracterizada por una variedad de síntomas diferentes, que incluyen sequedad, molestias oculares, fatiga y alteraciones visuales. Esta condición se ha vuelto cada vez más común en los últimos años debido al envejecimiento de la sociedad, el aumento del tiempo de pantalla y un entorno social altamente estresante. Hay alrededor de mil millones de personas en todo el mundo que tienen DED. La DED no diagnosticada y no tratada puede provocar una variedad de síntomas, que incluyen fatiga ocular, sensibilidad a la luz, menor calidad de visión y una menor calidad de vida. Dada la prevalencia generalizada de la afección, esto puede conducir aún más a una reducción de la productividad laboral y pérdidas económicas.
A pesar de las desventajas obvias de la DED, una gran parte de la población permanece sin diagnosticar, lo que en última instancia conduce a una mayor gravedad de la enfermedad. Actualmente, la DED se diagnostica a través de una serie de cuestionarios y exámenes oculares (que pueden ser invasivos). Pero este método de diagnóstico no es ideal. Los exámenes de DED no siempre se corresponden con los síntomas subjetivos de DED de los pacientes. Además, se requieren exámenes de ojo seco no invasivos y sin contacto en la pandemia de COVID-19. Estos defectos apuntan a la necesidad de un método de detección simple, confiable y accesible para la DED para mejorar el diagnóstico y el pronóstico de la enfermedad.
Para responder a esta necesidad, un grupo de investigación, dirigido por el profesor Akira Murakami y el profesor asociado Takenori Inomata de la Facultad de Medicina de la Universidad de Juntendo, desarrolló una aplicación para teléfonos inteligentes llamada DryEyeRhythm. “DryEyeRhythm aprovecha las cámaras de los teléfonos inteligentes para medir las características de parpadeo de los usuarios y determinar el intervalo máximo de parpadeo (MBI), un sustituto del tiempo de ruptura de la película lagrimal, un importante criterio de diagnóstico de la EOS”, explica el profesor asociado Inomata. “La aplicación también administra cuestionarios del Índice de Enfermedades de la Superficie Ocular (OSDI), que también son un componente crucial del diagnóstico de DED”.
