目的:分析儿童Sturge-Weber综合征（SWS）患者面部鲜红斑痣分布特征及颅脑影像学特点。方法:回顾性分析2017年7月至2020年8月在首都儿科研究所附属儿童医院皮肤科确诊的22例儿童SWS患者临床表现及影像学资料，探讨SWS患儿鲜红斑痣沿面部三叉神经分布特征及颅脑影像学特点。结果:22例患儿中，男10例，女12例，年龄0.08 ~ 9.92岁，中位年龄1.67岁。SWSⅠ型13例，Ⅱ型9例。鲜红斑痣分型：粉红型4例，年龄0.50 ~ 2.17岁；紫红型14例，年龄0.08 ~ 8.83岁；增厚型4例，年龄4.92 ~ 9.92岁；按颜面部三叉神经分布，三叉神经眼支（V1）区22例，上颌支（V2）区20例，下颌支（V3）区8例。眼部异常患儿17例，年龄0.08 ~ 9.92岁，其中青光眼11例，眼压增高5例，视力受损2例。青光眼患儿中，7例于2岁内发病，8例为单侧发病，3例为双侧发病，且与鲜红斑痣同侧。12例患儿颅脑影像学表现异常，主要为大脑皮层血管畸形，累及额叶、顶叶、颞叶及枕叶；其他表现为脑萎缩、点状出血、钙化灶、脑沟增宽、中线结构偏移、脑室脉络丛血管增多。11例患儿有癫痫症状，其他神经系统表现为发育迟缓、智力低下、肢体活动障碍等。结论:颜面部三叉神经V1及V2区分布的鲜红斑痣可能提示更高的SWS发病风险，应行眼科及颅脑影像学筛查及长期随访。

目的：:运用文献计量学的方法分析高度近视合并青光眼相关领域的现状及研究热点。方法：:文献研究。检索Web of Science核心数据库中近十年（2012—2022年）高度近视合并青光眼的文献，应用CiteSpace软件从文献的年发文量、国家及地区分布、机构来源、作者合作、关键词及聚类等角度进行可视化分析。结果：:共检索并纳入453篇文献，其中发文量最高的国家是中国（103篇）；发文量最高的机构是海德堡大学（46篇），其次是首都医科大学（35篇）、国立首尔大学（23篇）；本领域中发文量位于首位的学者是Jost B. Jonas教授（48篇）。前5位的关键词分别为：青光眼（Glaucoma），近视（Myopia），光学相干断层扫描（Optical coherence tomography），高度近视（High myopia），开角型青光眼（Open angle glaucoma）。本领域的研究方向聚焦于近视相关屈光研究、青光眼特征性视神经改变及高度近视与青光眼相关视乳头改变。结论：:高度近视合并青光眼是国内外研究的热门领域，我国在该研究中处于领先水平，研究热点侧重于眼底相关改变，期望未来指导青光眼的早期筛查和诊断。

目的：:通过频域光学相干断层扫描（SD-OCT）观察分析原发性开角型青光眼（POAG）患者视盘旁视网膜劈裂（PPRS）的特点，对其进行分型，并探讨不同类型PPRS的危险因素。方法：:系列病例研究。连续收集2021年5月至2022年12月于北京大学第三医院眼科中心青光眼门诊就诊的POAG患者101例。对受检者进行完整的眼科检查，包括最佳矫正视力、等效球镜度、眼压、眼轴长度（AL）、眼底照相、视野及SD-OCT等检查。通过SD-OCT围绕Bruch膜开口（BMO）中心的放射状扫描图像判断是否存在PPRS，根据PPRS起源位置与BMO位置关系分为BMO外PPRS与BMO内PPRS 2个亚组，并观察是否存在玻璃体牵拉及筛板缺损。统计分析PPRS的检出率。采用独立样本 t检验、单因素方差分析、Kruskal-Wallis秩和检验、Pearson卡方检验对数据进行分析，采用广义估计方程模型评估PPRS的潜在危险因素。 结果：:最终纳入POAG患者84例（155眼），检出PPRS 32例（44眼），检出率按眼计算为28.4%，其中BMO外PPRS 19眼（12.3%），BMO内PPRS 24眼（15.5%）。多因素广义估计方程分析发现，AL（ OR=1.46， P=0.008）、玻璃体牵拉（ OR=2.69， P=0.034）、筛板缺损（ OR=9.75， P<0.001）是PPRS发生的独立危险因素。进一步分析发现玻璃体牵拉是发生BMO外PPRS的独立危险因素（ OR=2.88， P=0.004），筛板缺损是发生BMO内PPRS的独立危险因素（ OR=25.91， P<0.001）。 结论：:POAG患者PPRS的发生主要与AL、玻璃体牵拉及筛板缺损有关。不同OCT分型的PPRS危险因素不同，玻璃体牵拉容易造成BMO以外的PPRS，筛板缺损容易造成BMO以内的PPRS。

目的:分析正常眼压性青光眼(NTG)与高眼压型原发性开角型青光眼(POAG)视神经鞘脉搏动力学变形指数(DI)的大小及差异。方法:采用横断面研究方法，收集2016年6月至2017年3月首都医科大学附属北京同仁医院眼科中心就诊的32例NTG患者和35例高眼压型POAG患者的基本信息、体质量指数(BMI)、平均动脉血压(MAP)、24 h眼压及诊断需要的眼科专科检查结果。对全部受试者行经眶超声检查，获取15 s连续超声图像，经动态后处理技术计算并分析NTG与高眼压型POAG患者视神经鞘的DI差异及其与其他变量的相关性，分析其影响因素。结果:NTG组DI为0.51(0.48，0.54)，明显大于高眼压型POAG组的0.23(0.20，0.25)，2个组间比较差异有统计学意义( Z＝－7.01， P<0.01)。NTG组BMI均值为(21.29±4.64)kg/m 2，MAP均值为(91.44±14.30)mmHg(1 mmHg＝0.133 kPa)，明显低于高眼压型POAG组的(23.53±3.40)kg/m 2和(104.05±13.96)mmHg，2个组间比较差异均有统计学意义( t＝－2.30， P<0.05； t＝－3.65， P<0.01)。2个组DI与该组内患者年龄、MAP、BMI、平均眼压及最高眼压间均无统计学关联(均 P>0.05)。 结论:NTG患者的视神经鞘DI高于高眼压型POAG患者，表明其视神经鞘蛛网膜下腔压力及视神经鞘刚度均较低，该指数可作为眼科临床无创颅内压及跨筛板压力差检测的潜在指标。

近年来，随着计算机运算能力的提高、学习算法和架构的完善以及大数据的共享，人工智能(AI)辅助诊断技术在医学领域的应用取得了很大进展。在眼前节疾病的诊断方面，AI可对翼状胬肉、角膜病变、真菌性角膜炎等疾病进行辅助诊断，在圆锥角膜筛查、早期诊断和疾病管理中具有潜在应用价值；AI技术有望助力白内障远程医疗及优化人工晶状体计算公式；AI对前房角狭窄的诊断、房角关闭机制的识别、房角图片的质量评估、抗青光眼手术疗效的预测等方面均显示出良好性能。在视光学领域，AI在预测近视度数变化、预警高度近视的高危人群及角膜塑形镜验配、个性化角膜屈光术式推荐等方面有较好的表现。本文就AI在眼前节疾病诊断及近视诊疗中的作用、应用及局限性进行综述。

流行病学筛查的成本效果分析是进行公共卫生决策的重要依据。本文介绍了马尔可夫模型（Markov model）的基本原理、构建步骤、分析方法和相关注意事项。通过中国社区人群中开展的原发性开角型青光眼筛查成本效果分析的实例，从模型构建、参数设置、软件应用、基础分析、敏感性分析和结果解读等方面，详细讨论了马尔可夫模型用于筛查成本效果分析的要点。后续研究应注意马尔可夫模型参数的准确性和研究结果的透明度，并且需要按照相应的报告规范开展流行病学筛查的成本效果分析，以便更好地为公共卫生决策提供科学证据。

玻璃体切除术(PPV)是一种精细操作的手术方式，目前适用于治疗各种视网膜疾病，术后早期或晚期的各种机制可致眼压升高和随后的青光眼性视神经病变。术前筛查高危人群，术中选择合适手术方式及玻璃体填充物，术后密切监测眼压有助于预防和减少术后高眼压的发生。对于术后高眼压采取及时治疗可以保护视神经和视功能。因此本文就行PPV术后高眼压的影响因素和应采取的处理措施进行了简要综述。

近年来青光眼诊断和治疗技术迅速发展，为进一步规范我国青光眼临床诊断和治疗工作，中华医学会眼科学分会青光眼学组和中国医师协会眼科医师分会青光眼学组在参考欧洲青光眼协会指南第4版及多项中国青光眼相关专家共识、相关操作规范及百余篇文献的基础上，从青光眼筛查、临床病史询问和体格检查、原发性开角型青光眼和高眼压症、原发性闭角型青光眼与原发性房角关闭、儿童青光眼、继发性青光眼、随访与管理7个部分制定青光眼的临床工作指南，以供眼科医师在临床工作中参考使用。 （中华眼科杂志，2020，56：573-586）

目的:对青光眼症状量表（GSS）进行汉化和信效度检验。方法:遵循Brislin问卷翻译原则对英文版GSS进行翻译、回译及文化调适，形成中文版GSS。采用便利抽样法，选取2021年1月—2022年6月合肥市3家三甲医院眼科门诊和住院部的210例青光眼患者为研究对象。采用相关系数法、临界比值法及Cronbach's α系数对量表条目进行筛选。采用Cronbach's α系数、分半信度和重测信度检验量表的信度。采用内容效度和结构效度检验量表的效度。绘制受试者工作特征（ROC）曲线判断中文版GSS的预测能力，并确定灵敏度、特异度和最适宜的临界值。采用Pearson相关分析探讨量表总分与各条目得分间的相关性。本研究共发放问卷210份，回收有效问卷205份，有效回收率为97.62%（205/210）。结果:探索性因子分析共提取2个公因子，累计方差贡献率为50.64%。以临床医生诊断为金标准，中文版GSS的ROC曲线下面积为0.916（95% CI：0.886~0.947， P<0.01）。量表的最佳临界值是73分，灵敏度和特异度分别为85.2%、87.3%。临床医生诊断与GSS诊断结果一致性的Kappa系数为0.749（ P<0.01）。中文版GSS总Cronbach's α系数、分半信度和重测信度分别为0.812、0.781和0.912。 结论:中文版GSS具有良好的信效度，可以用于筛查青光眼患者症状。

随着基于医疗大数据逐步建立的人工智能（AI）辅助筛查技术的发展和普及，基于彩色眼底图片的 AI 辅助筛查系统在青光眼的筛查工作中展现了良好的灵敏度和特异度。为了规范AI青光眼辅助筛查系统的设计及临床应用，中华医学会眼科学分会青光眼学组联合相关专家，经过广泛调研和认真讨论，针对AI青光眼辅助筛查系统的数据采集、算法模型构建、硬件要求、数据集建立和标注、AI筛查方案、AI筛查报告要求、数据安全等制定统一标准，以便指导临床开展工作。 （中华眼科杂志，2020，56：423-432）