PURPOSE To describe characteristics and predictors of plus disease, and the accuracy of image grading for plus disease in the e-ROP Study. DESIGN Secondary analyses of data from 13 North American centers. PARTICIPANTS Premature infants with birth weight (BW) <1251 g. METHODS Infants underwent regularly scheduled diagnostic examinations by ophthalmologists and digital imaging by trained imagers using a wide-field digital camera. Two masked nonphysician trained readers independently evaluated images for posterior pole abnormality (normal, preplus, plus), with discrepancies adjudicated by a reading supervisor. Logistic regression models were used to determine predictors for plus disease. The sensitivity and specificity of image grading for plus disease were calculated using the clinical examination finding as reference standard. MAIN OUTCOME MEASURES Odds ratios (OR), sensitivity, and specificity. RESULTS Among 1239 infants (mean BW 864 g, mean gestational age [GA] 27 weeks), 129 infants (10%) (226 eyes, 75% bilateral) had plus disease from clinical examination. When plus disease was first diagnosed in clinical examination at median postmenstrual age (PMA) of 36 weeks (range: 32-43 weeks), 94% to 96% of plus occurred in the superior or inferior temporal quadrant. Significant predictors for plus disease from multivariate analysis were as follows: GA (OR = 3.2 for ≤24 vs. ≥28 weeks, P = 0.004), race (OR = 2.4 for white vs. black, P = 0.01), respiratory support (OR = 7.1, P = 0.006), weight gain (OR = 1.5 for weight gain ≤12 vs. >18 g/day, P = 0.03), and image findings at the first image session, including presence of preplus/plus disease (OR = 2.7, P = 0.003), ROP stage (OR = 4.2 for stage 3 ROP vs. no ROP, P = 0.006), and blot hemorrhage (OR = 3.1, P = 0.003). These features predicted plus disease with an area under the receiver operating characteristic curve of 0.89 (95% confidence interval [CI]: 0.85-0.92). The image grading using preplus as the cut point had sensitivity of 94% (95% CI: 90%-97%) and specificity of 81% (95% CI: 79%-82%) for detecting plus disease in an eye. CONCLUSIONS Among e-ROP infants, plus disease developed in 10% of infants at a median PMA of 37 weeks, with the majority being bilateral and mostly in the superior or inferior temporal quadrant. GA, race, respiratory support, postnatal weight gain, image findings of the posterior pole, and ROP predict development of plus disease. Nonphysician image grading can detect almost all plus disease with good specificity.

中文翻译：

---

评估急性期ROP（e-ROP）研究的远程医疗方法中的疾病：图像分级的特征，预测因素和准确性。

目的描述e-ROP研究中正向疾病的特征和预测因素，以及正向疾病图像分级的准确性。设计对来自13个北美中心的数据进行二次分析。参与者出生体重（BW）<1251克的早产儿。方法婴儿接受眼科医生的定期定期诊断检查，并由经过培训的成像仪使用广角数码相机进行数字成像。两名受过非医师培训的，戴着面具的，经过非医师培训的读者独立评估了后极异常的图像（正常，正视和正视），并由阅读主管对差异进行了判断。使用逻辑回归模型确定正向疾病的预测因子。使用临床检查发现作为参考标准，计算出疾病加重的图像分级的敏感性和特异性。主要观察指标几率（OR），敏感性和特异性。结果在1239例婴儿（平均体重864 g，平均胎龄[GA] 27周）中，有129例婴儿（10％）（226眼，双侧75％）患有临床检查的正病。在临床检查中，经期中位年龄（PMA）为36周（范围：32-43周）时首次诊断出plus疾病时，plus的94％至96％出现在颞上或下象限。来自多变量分析的正向疾病的重要预测指标如下：GA（≤24周vs.≥28周，OR = 3.2，P = 0.004），种族（白人与黑人相对，OR = 2.4，P = 0.01），呼吸支持（ OR = 7.1，P = 0.006），体重增加（体重增加≤12vs.> 18 g /天，OR = 1.5，P = 0.03），以及在第一次影像学会议上的影像发现，包括是否存在疾病的前期或后期疾病（ OR = 2.7，P = 0.003），ROP阶段（第3阶段ROP相对于无ROP，OR = 4.2，P = 0.006）和印迹出血（OR = 3.1，P = 0.003）。这些特征预示着疾病，接受者工作特征曲线下的面积为0.89（95％置信区间[CI]：0.85-0.92）。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，多数在颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。第3阶段ROP对比无ROP，结果为2，P = 0.006）和印迹出血（OR = 3.1，P = 0.003）。这些特征预示着疾病，接受者工作特征曲线下的面积为0.89（95％置信区间[CI]：0.85-0.92）。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，多数在颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。第3阶段ROP对比无ROP，结果为2，P = 0.006）和印迹出血（OR = 3.1，P = 0.003）。这些特征预示着疾病，接受者工作特征曲线下的面积为0.89（95％置信区间[CI]：0.85-0.92）。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，大部分位于颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。和印迹出血（OR = 3.1，P = 0.003）。这些特征预示着疾病，接受者工作特征曲线下的面积为0.89（95％置信区间[CI]：0.85-0.92）。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，多数在颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。和印迹出血（OR = 3.1，P = 0.003）。这些特征预示着疾病，接受者工作特征曲线下的面积为0.89（95％置信区间[CI]：0.85-0.92）。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，多数在颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。这些特征预示着疾病，接受者工作特征曲线下的面积为0.89（95％置信区间[CI]：0.85-0.92）。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛中的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，多数在颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。这些特征预示着疾病，接受者工作特征曲线下的面积为0.89（95％置信区间[CI]：0.85-0.92）。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，多数在颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，大部分位于颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。使用preplus作为切点的图像分级具有94％（95％CI：90％-97％）的灵敏度和81％（95％CI：79％-82％）的特异度，可用于检测眼睛的正视疾病。结论在e-ROP婴儿中，有10％的婴儿发生疾病，中位PMA为37周，大多数为双侧，多数在颞上象限或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。多数为双侧，多数在颞上或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。多数为双侧，多数在颞上或下象限。遗传算法，种族，呼吸支持，产后体重增加，后极的影像学发现和ROP可以预测正病的发展。非医师图像分级可以以良好的特异性检测几乎所有疾病。