Devers Eye Institute, Legacy Health, Portland, Oregon, United States.
Invest Ophthalmol Vis Sci. 2014 Jun 26;55(7):4593-602. doi: 10.1167/iovs.13-13813.
To reduce variability and improve measurements of true change signal in visual field (VF) assessments through the use of filters that combine functional and structural test results.
Humphrey VF data (Swedish Interactive Thresholding Algorithm [SITA] Standard, 24-2) and confocal scanning laser ophthalmoscopy (Heidelberg Retina Tomograph [HRT]) data from 1057 eyes of 637 participants were used to derive a filter. Another dataset, consisting of VF and HRT data from 112 eyes of 62 participants each with ≥5 visits, was used to test the filter. At each VF location per eye, the trend over time was modeled by a linear model (LM), and a nonlinear model (NLM), using filtered or unfiltered data, but with the last visit excluded. The SD of residuals from the trends, and prediction errors (PE) for the last visit were compared between filtered and unfiltered data. The filter was reconstructed and analyses were repeated after truncating VF data so that thresholds < 19 dB were replaced by 19 dB to reduce noise.
The SD of the residuals at all 52 VF locations for all analyses was reduced by filtering (P < 0.001). The PE was reduced by filtering at 43 and 47 VF locations (P < 0.05) for LM analyses on observed and truncated data, and all 52 VF locations (P < 0.05) for both NLM analyses. Truncating data before filtering reduced variability (P < 0.01) at 41 and 40 VF locations for LM and NLM analyses.
Filtering can reduce variability about trends in longitudinal sequences of VF data, and improves the accuracy of predicting the next test result.
通过使用结合功能和结构测试结果的滤波器，减少视野 (VF) 评估中真实变化信号的可变性并提高测量准确性。
使用来自 637 名参与者的 1057 只眼的 Humphrey VF 数据（瑞典交互式阈值算法 [SITA] 标准，24-2）和共焦扫描激光检眼镜（海德堡视网膜断层扫描仪 [HRT]）数据，推导出一个滤波器。另一个数据集由每个参与者的 112 只眼的 VF 和 HRT 数据组成，每个参与者有≥5 次就诊，用于测试滤波器。在每只眼的每个 VF 位置，使用线性模型 (LM) 和非线性模型 (NLM) 对随时间的趋势进行建模，使用滤波或未滤波的数据，但排除最后一次就诊。比较了滤波和未滤波数据之间趋势的残差标准差 (SD) 和最后一次就诊的预测误差 (PE)。重建了滤波器，并在截断 VF 数据后重复了分析，以便将阈值<19 dB 的数据替换为 19 dB，以减少噪声。
在所有分析中，所有 52 个 VF 位置的残差标准差均通过滤波降低（P<0.001）。在观察到的和截断的数据上进行 LM 分析时，在 43 和 47 个 VF 位置（P<0.05）以及在所有 52 个 VF 位置（P<0.05），PE 通过滤波降低，对于 NLM 分析。在对数据进行滤波之前截断数据可以降低 LM 和 NLM 分析中 41 和 40 个 VF 位置的变异性（P<0.01）。
滤波可以降低 VF 数据的纵向序列中趋势的变异性，并提高预测下一次测试结果的准确性。
