Szemészet, 2011 (148. évfolyam, 1-4. szám)
2011-03-01 / 1. szám
148. évfolyam (2011) 13 az alanyok szemfenekét, majd ezt követően a fentiekben ismertetett módon leképeztük a maculát, és elvégeztük a képek szegmentálását OCTRIMA szoftver segítségével. Feljegyeztük az egyes rétegek, illetve a macula átlagos vastagságát (teljes retinavastagság). Azon adatok esetében, ahol lineáris regresszió segítségével összefüggést találtunk a korral, szigmoid és lineáris görbéket illesztettünk annak eldöntésére, hogy melyik kinetika írja le jobban a korral fellépő vastagsági változásokat.10 A két görbe illeszkedésének pontosságát a legkisebb négyzeteken alapuló regressziós modellel vizsgáltuk, a modelleket a „residual standard errors” (RSE), illetve az Akaiké Information Criterion (AIC) segítségével, valamint a maradék négyzetösszegekre vonatkoztatott F-teszttel hasonlítottuk össze. Az összehasonlítások esetében a p<0,05 értéket tekintettük a szignifikancia határának, a statisztikai számításokhoz SPSS 16 szoftvert (SPSS Inc, Chicago, IL) használtunk. Eredmények A kapott reprodukálhatósági eredményeket az 1. táblázat tartalmazza. Minden esetben (intraobserver, interobserver és intervisit reprodukálhatóság) magas ICC- és CR-értékeket kaptunk az RNFL, GCL+IPL és ONL rétegekre, valamint a teljes retinavastagságra nézve. Közepes reprodukálhatóságú volt az INL réteg (ICC 0,63-0,76), az OPL réteg esetében rossz reprodukálhatóságot találtunk (ICC 0,34-0,54), míg az RPE réteg mutatta a legingadozóbb értékeket (ICC 0,25-0,90). A CR értéke a magas reprodukálhatóságú rétegekben 5% alatt mozgott. A korral a teljes retina, valamint az RNFL és a GCL+IPL rétegek vékonyodását láttuk, míg az RPE vastagsága szignifikánsan nőtt. Az INL, OPL és ONL rétegek esetében nem láttunk korrelációt. A mérések eredményeit, valamint a pontokra illeszkedő lineáris és szigmoid modellek összehasonlítását a 2. táblázat, valamint a 2. ábra tartalmazza. A teljes retinavastagság esetén a szigmoid modell kisebb reziduális szórással (tehát szorosabban) illeszkedett ugyan a mért adatokra, ám az AIC eredménye alapján a lineáris modell jobban írta le az adatokat (r= —0,38; p=0,005). Az RNFL esetében a szigmoid modell egyértelműen jobb illeszkedést mutatott, azonban az F-teszttel nem sikerült 1. táblázat. A reprodukálhatósági mérésekre jellemző vastagsági értékek (átlag±szórás), az ismételhetőségi (CR), valamint annak az átlagos vastagságra számolt százalékos értéke (CR%) és az intraklassz korrelációs együttható (ICC) értéke Átlag+SD (um) CR (/xm) CR (%) ICC Intraobserver reprodukálhatóság RNFL 40,66 ±1,74 1,88 4,62 0,86 GCL+IPL 73,45 ±7,73 3,41 4,64 0,98 INL 34,13 ± 1,12 2,10 6,15 0,63 OPL 32,53 ±0,63 1,66 5,11 0,37 ONL 88,30±4,92 2,91 3,29 0,96 RPE 12,72±1,38 1,25 9,80 0,90 Teljes Retina 282,23 ±13,36 8,62 3,06 0,94 Interobserver reprodukálhatóság RNFL 40,87 ±2,11 1,88 4,61 0,90 GCL+IPL 72,89 ±8,30 4,54 6,23 0,96 INL 34,29±1,07 1,81 5,29 0,69 OPL 32,44 ±0,78 1,68 5,18 0,54 ONL 88,11±5,16 5,33 6,05 0,87 RPE 12,85 ±1,30 3,94 30,69 0,25 Teljes Retina 281,33± 15,66 12,83 4,57 0,63 Intervisit reprodukálhatóság RNFL 40,91 ±1,84 2,54 6,20 0,78 GCL+IPL 73,67 ±7,66 2,22 3,02 0,99 INL 34,03 ±1,12 1,61 4,72 0,76 OPL 32,45 ±0,67 1,49 4,59 0,51 ONL 88,35 ±4,81 3,21 3,63 0,94 RPE 12,76± 1,46 2,00 15,68 0,78 Teljes Retina 281,94± 13,58 6,69 2,38 0,97 szignifikáns különbséget kimutatnunk. A GCL+IPL réteg esetében a szigmoid modell szignifikánsan jobban il-2. táblázat. A lineáris és szigmoid görbe illeszkedésének vizsgálata Lineáris modell Szigmoid modell F-teszt p RSE AIC RSE AIC RNFL 2,556 265,26 2,508 261,05 2,03 0,14 GCL+IPL 4,968 338,37 4,703 330,24 4,06 0,023 INL NK OPL ONL RPE Lineáris Teljes retina 9,9 410,11 9,8 411,58 RSE: „residual standard errors” modell, AIC: Akaiké Information Criterion modell, NK: nincs korreláció, Lineáris: nem illeszthető az egyenestől eltérő szigmoid görbe A MACULASZERKEZET IN VIVO KVANTITATÍV VIZSGÁLATA AZ ОСТ-KÉPEK SZEGMENTÁLÁSÁVAL
