黃峻嘉，張 琪，趙 娜，李 蓉，蘇宇涵，周 濤

(1. 云南大學(xué)軟件學(xué)院 昆明 650504；2. 小艾眼科診所，艾視醫(yī)療科技成都有限公司 成都 610041；3. 電子科技大學(xué)大數(shù)據(jù)研究中心 成都 611731)

2010 年全球近視人群約有19.5 億，占世界總?cè)丝诘?8.3%[1]。2018 年我國(guó)兒童青少年總體近視率為53.6%[2]，遠(yuǎn)超國(guó)際水平[3]。目前美國(guó)[4-5]、新加坡[6-7]、澳大利亞[8]等國(guó)家已采用隊(duì)列研究的方法對(duì)兒童近視影響因素展開研究。國(guó)內(nèi)也有不少針對(duì)中國(guó)各城市青少年近視情況的分析，如上海[9-10]、安陽[11]、廣州[12]、溫州[13]、北京[14]等。文獻(xiàn)[15]分析了來自O(shè)rinda 近視縱向研究的數(shù)據(jù)子集MYOPIA，認(rèn)為父母近視情況、戶外運(yùn)動(dòng)時(shí)間、閱讀時(shí)間和性別等因素對(duì)近視有較大影響。Orinda近視縱向研究[15-17]、CLEERE 父母近視史的研究[18]以及近視影響因素研究[19]都認(rèn)為青少年早期屈光度能夠用于預(yù)測(cè)其未來近視的發(fā)生。文獻(xiàn)[20]分析了長(zhǎng)達(dá)10 年的臨床屈光數(shù)據(jù)，發(fā)現(xiàn)機(jī)器學(xué)習(xí)方法可以有效預(yù)測(cè)高度近視發(fā)生的幾率。

現(xiàn)有研究中使用最多的方法為隊(duì)列分析和邏輯回歸[21]。其中隊(duì)列研究是探討疾病病因的常用方法之一，能較好地揭示兩事件間的因果關(guān)系。但設(shè)計(jì)和組織實(shí)施較難，收集與分析資料較復(fù)雜。邏輯回歸分析其決策面是線性的，難以處理數(shù)據(jù)不平衡的問題。本文利用斯皮爾曼相關(guān)系數(shù)(spearman's rank correlation coefficient)[22]分析各影響因素與未來視力的相關(guān)性，并細(xì)分高度近視與普通近視隨年齡的變化情況。斯皮爾曼相關(guān)系數(shù)是衡量?jī)蓚€(gè)變量的依賴性的非參數(shù)指標(biāo)，利用單調(diào)方程評(píng)價(jià)兩個(gè)統(tǒng)計(jì)變量的相關(guān)性，適用于總體分布未知或有序變量相關(guān)性分析。本文構(gòu)建了適用于小數(shù)據(jù)集和一次檢查數(shù)據(jù)的集成學(xué)習(xí)算法模型，僅需輸入一次檢查數(shù)據(jù)即可對(duì)未來任意時(shí)刻視力情況進(jìn)行量化預(yù)測(cè)。通過對(duì)比5 種常見的集成學(xué)習(xí)算法，發(fā)現(xiàn)隨機(jī)森林模型的綜合表現(xiàn)最佳。本工作在近視預(yù)測(cè)及防控方面具有一定的參考價(jià)值。

1 標(biāo)準(zhǔn)與數(shù)據(jù)

根據(jù)2019 年10 月15 日國(guó)家衛(wèi)健委辦公廳印發(fā)的《兒童青少年近視防控適宜技術(shù)指南》，近視率指近視人群的占比，而篩查近視的標(biāo)準(zhǔn)為裸眼視力低于5.0，且非睫狀肌麻痹情況下電腦驗(yàn)光等效球鏡(簡(jiǎn)寫為SE，后均指在非睫狀肌麻痹情況下進(jìn)行的檢查)度數(shù)小于-0.50D，其中等效球鏡度數(shù)為球鏡度數(shù)加上1/2 倍柱鏡度數(shù)。在已判斷為近視的人群中，近視程度劃分標(biāo)準(zhǔn)如下：1) 低度近視——SE 度數(shù)在-3.00D～-0.50D(含)之間；2) 中度近視——SE 度數(shù)在-6.00D～-3.00D(含)之間；3) 高度近視——SE 度數(shù)小于-6.00D。

本文分析了3 個(gè)視力檢查數(shù)據(jù)集。其中數(shù)據(jù)集A 和B 來自艾視醫(yī)療科技成都有限公司(簡(jiǎn)稱艾視科技)2019 年6 月-2020 年7 月成都市3～16 歲用戶雙眼近視檢查，包含性別、年齡、球鏡、柱鏡、裸眼視力、等效球鏡、是否近視等數(shù)據(jù)項(xiàng)。已經(jīng)排除了近期有眼部活動(dòng)性病變者和近期配戴接觸鏡者的對(duì)應(yīng)數(shù)據(jù)。數(shù)據(jù)集A 中每個(gè)用戶僅有一次檢查數(shù)據(jù)，共19 467 條。納入的研究對(duì)象平均年齡(9.23±2.55)歲，男性10 137 例，占52%，女性9 330 例，占48%。左眼等效球鏡平均(-0.79±1.75)D，右眼等效球鏡平均(-0.90±1.76)D，左眼裸眼視力平均 (4.8±0.32)，右眼裸眼視力平均(4.78±0.33)。裸眼視力采用五分記錄法。整體近視率為41.1%。其中近視程度為不近視、低度、中度、高度的分別占比58%、28%、12%、2%。數(shù)據(jù)集B 中每個(gè)用戶有兩次檢查數(shù)據(jù)，共1 470 條、735 對(duì)。納入的研究對(duì)象平均年齡(8.42±2.23)歲，男性748 例，占51%，女性722 例，占49%。左眼等效球鏡平均(-0.21±0.89)D，右眼等效球鏡平均(-0.26±0.9)D，左眼裸眼視力平均(0.96±0.22)，右眼裸眼視力平均(0.97±0.24)。裸眼視力采用小數(shù)記錄法。同一個(gè)檢查對(duì)象兩條數(shù)據(jù)之間的間隔時(shí)間從30～180 天不等。第一次檢查時(shí)整體近視率為19.6%。第二次檢查時(shí)整體近視率為32.0%。第一次檢查未近視的樣本中有15.4%在第二次檢查時(shí)變?yōu)榱私暋?shù)據(jù)集C 來自O(shè)rinda 近視縱向研究數(shù)據(jù)子集，每年由父母或監(jiān)護(hù)人完成一次調(diào)查，包括調(diào)查對(duì)象視力檢查數(shù)據(jù)以及年齡、近視家族史和相關(guān)視覺活動(dòng)時(shí)間數(shù)據(jù)。本文使用的部分來自618 名進(jìn)入研究時(shí)并非近視受試者的初次檢查結(jié)果。數(shù)據(jù)均來自對(duì)象的右眼。納入的研究對(duì)象中男性302例，占49%，女性316 例，占51%。其中年齡平均(6.3±0.71)歲，每周戶外活動(dòng)時(shí)間平均(11.95±7.96) h，每周閱讀時(shí)間平均(2.8±3.07) h，每周電腦使用時(shí)間平均(2.11±3.05) h，每周學(xué)習(xí)時(shí)間平均(1.49±2.11) h，每周看電視時(shí)間平均(8.95±5.71) h。其中戶外活動(dòng)、閱讀、使用電腦、看電視和學(xué)習(xí)時(shí)間僅統(tǒng)計(jì)校外活動(dòng)。該數(shù)據(jù)集樣本的近視率為13.1%，所有近視對(duì)象均為低度近視。

2 影響因素分析

本文分析了性別和近視以及高度近視發(fā)生的關(guān)系，發(fā)現(xiàn)在我國(guó)的數(shù)據(jù)中，性別和近視發(fā)生無顯著的關(guān)聯(lián)關(guān)系，故后文不以性別為影響因素。圖1 給出了根據(jù)數(shù)據(jù)集A 得到的不同年齡段近視發(fā)生率：深色代表近視人數(shù)，并用數(shù)字標(biāo)識(shí)；淺色代表非近視人數(shù)；曲線給出了不同年齡的近視率。其中6 歲以下及14 歲以上數(shù)據(jù)量較小，故未計(jì)算其所對(duì)應(yīng)的近視率。由圖可見，6～14 歲隨著年齡的增長(zhǎng)，近視率逐漸升高，到14 歲時(shí)近似率已經(jīng)接近80%，遠(yuǎn)遠(yuǎn)超過世界平均水平。

圖1 數(shù)據(jù)集A 中不同年齡的近視情況

為分析近視人數(shù)增長(zhǎng)情況，本文計(jì)算了不同年齡的近視轉(zhuǎn)化率a(t)=[p(t+1)-p(t)]/[1-p(t)]，其中p(t)是年齡為t 的孩子中的近視率，a(t)表示有多少比例在年齡為t 時(shí)還不是近視的孩子恰在這一年轉(zhuǎn)化為近視。根據(jù)數(shù)據(jù)集A，孩子在6～13 歲的近視轉(zhuǎn)化率分別為6.87%、14.22%、17.94%、20.38%、18.77%、21.89%、18.20%和14.14%。從轉(zhuǎn)化率分析可以看到，8～12 歲是近視新增的高發(fā)時(shí)期，平均每年約有20%的非近視學(xué)生轉(zhuǎn)為近視學(xué)生，13 歲以后每年從非近視轉(zhuǎn)化為近視的風(fēng)險(xiǎn)開始顯著下降。

圖2 給出了根據(jù)數(shù)據(jù)集A 得到的不同年齡段高度近視發(fā)生率：深色代表高度近視人數(shù)，并用數(shù)字標(biāo)識(shí)；淺色代表非高度近視人數(shù)；曲線給出了不同年齡的高度近視率。其中6 歲以下及14 歲以上數(shù)據(jù)量較小，故未計(jì)算其所對(duì)應(yīng)的高度近視率。由圖可見，高度近視的占比隨年齡的增長(zhǎng)而不斷增長(zhǎng)。從8 歲開始高度近視率顯著提升，且隨年齡的增長(zhǎng)逐漸升高。類似地，本文計(jì)算了不同年齡的高度近視轉(zhuǎn)化率，從6～13 歲分別為-0.98%、-0.33%、0.36%、0.81%、1.72%、2.77%、2.60%和4.36%。其中在6 歲和7 歲出現(xiàn)負(fù)數(shù)，可能有兩個(gè)原因，一是因?yàn)閿?shù)據(jù)量太小造成統(tǒng)計(jì)上波動(dòng)太大，二是有一些遺傳性的眼病導(dǎo)致極年幼就出現(xiàn)高度近視，這部分孩子的增長(zhǎng)規(guī)律與其他孩子有所不同。隨著未來數(shù)據(jù)量的增長(zhǎng)，可以得到統(tǒng)計(jì)上更可信的結(jié)果。與此同時(shí)，8 歲以后高度近視占比的增長(zhǎng)非常顯著，且10～14 歲是高度近視快速增加的高危時(shí)期。14 歲以上孩子數(shù)據(jù)較少，留待以后分析。

圖2 數(shù)據(jù)集A 中不同年齡的高度近視情況

本文計(jì)算了數(shù)據(jù)集C 各數(shù)據(jù)項(xiàng)與“近視與否”的斯皮爾曼相關(guān)系數(shù)，并做雙尾檢驗(yàn)。數(shù)據(jù)結(jié)果顯示，父親是否近視、母親是否近視和每周戶外活動(dòng)時(shí)間與“近視與否”有顯著影響(98%置信度水平上顯著)，其余各項(xiàng)(包括閱讀、使用電腦、看電視和學(xué)習(xí))在98%置信度上均無顯著影響。

圖3 給出了父母近視與否對(duì)孩子近視情況的影響。父母中有一人近視時(shí)孩子的近視率為13.2%，是父母均不近視時(shí)的4 倍，父母均近視時(shí)孩子的近視率為22.3%，為父母均不近視時(shí)的6.75 倍。可見遺傳對(duì)于近視影響是巨大的。

圖3 父母是否近視對(duì)孩子近視與否的影響

圖4 給出了每周戶外活動(dòng)時(shí)間和近視率的關(guān)系，其中統(tǒng)計(jì)在內(nèi)的只包括離開學(xué)校后的戶外活動(dòng)。由圖可知，除了曲線前部因?yàn)闃颖緮?shù)量少出現(xiàn)波動(dòng)外，整個(gè)曲線是近似單調(diào)的——戶外活動(dòng)時(shí)間越長(zhǎng)，近視比例越低。在4 ～9 h 區(qū)間內(nèi)，增加戶外活動(dòng)時(shí)間帶來的近視率的降低尤為顯著。當(dāng)每周戶外活動(dòng)時(shí)間大于15 h 的時(shí)候，近視率不再顯著變化。

圖4 每周戶外活動(dòng)時(shí)間和近視率的關(guān)系。其中縱坐標(biāo)給出的是每周戶外活動(dòng)時(shí)間不超過給定值的情況下近視的比率

3 近視預(yù)測(cè)

本文選取了隨機(jī)森林(random forest)[23]、自適應(yīng)提升(AdaBoost)[24]、裝袋(bagging)[25]、梯度提升(gradient boosting)[26-27]和極端梯度提升(XGBoost)[28]5 種集成學(xué)習(xí)模型，把數(shù)據(jù)集B 中同一個(gè)檢查對(duì)象的前一個(gè)時(shí)間點(diǎn)數(shù)據(jù)(含個(gè)人信息)和間隔時(shí)間一起作為訓(xùn)練數(shù)據(jù)，預(yù)測(cè)其后一個(gè)時(shí)間點(diǎn)的近視情況。樣本數(shù)據(jù)隨機(jī)劃分為70%訓(xùn)練集和30%測(cè)試集，預(yù)測(cè)對(duì)象為裸眼視力和等效球鏡，并用預(yù)測(cè)值與真實(shí)值差的絕對(duì)值作為誤差。預(yù)測(cè)模型的結(jié)構(gòu)如圖5 所示。

圖5 預(yù)測(cè)模型結(jié)構(gòu)

如表1 所示，隨機(jī)森林方法和梯度提升方法的誤差相對(duì)最低，但梯度提升方法在間隔時(shí)間較長(zhǎng)之后，會(huì)出現(xiàn)結(jié)果突變和失穩(wěn)，特別是突然出現(xiàn)視力大幅度變好的情況，而這與醫(yī)學(xué)實(shí)踐知識(shí)是不符合的，也沒有在其他具有更長(zhǎng)時(shí)間間隔的真實(shí)數(shù)據(jù)中觀察到。因此，綜合考慮算法的精確性和魯棒性，我們認(rèn)為隨機(jī)森林是最好的模型，而如果只預(yù)測(cè)較短時(shí)間之內(nèi)的視力變化情況(如半年之內(nèi))，則梯度提升方法效果也很好。如果用隨機(jī)森林算法，只對(duì)下一個(gè)時(shí)間點(diǎn)“是否是近視”進(jìn)行預(yù)測(cè)，則準(zhǔn)確度可以達(dá)到92.8%。

表1 不同模型預(yù)測(cè)誤差對(duì)比

4 結(jié) 束 語

本文分析結(jié)果顯示中國(guó)青少年近視發(fā)生率遠(yuǎn)遠(yuǎn)超過國(guó)際水平，其中8～12 歲是近視新增的高發(fā)時(shí)期，平均每年約有20%的非近視學(xué)生轉(zhuǎn)為近視學(xué)生，而10～14 歲是高度近視新增的危險(xiǎn)時(shí)期。父母近視情況和戶外活動(dòng)時(shí)間對(duì)近視形成的影響最大。本文還構(gòu)建了一個(gè)僅需單次檢查數(shù)據(jù)即可得出未來視力預(yù)測(cè)結(jié)果的模型，可以定量給出未來指定時(shí)間點(diǎn)的左右眼裸眼視力及左右眼等效球鏡值，可以據(jù)此進(jìn)行近視及近視程度的預(yù)測(cè)。如果只對(duì)近視與否進(jìn)行判斷，預(yù)測(cè)準(zhǔn)確度接近93%，有相當(dāng)?shù)膮⒖純r(jià)值。

結(jié)合影響因素的分析，本文認(rèn)為我國(guó)青少年近視率遠(yuǎn)高于世界平均水平的一個(gè)很重要的原因，就是課后戶外活動(dòng)時(shí)間嚴(yán)重不足，這可能歸因于中國(guó)孩子從小課業(yè)壓力過大。根據(jù)數(shù)據(jù)分析結(jié)果，本文建議應(yīng)盡量保障每個(gè)孩子平均每天在校園外有2 h的戶外活動(dòng)時(shí)間，在非周末也應(yīng)該每天至少1 h 以上的戶外活動(dòng)時(shí)間。在8～12 歲近視轉(zhuǎn)化率是最高的，這個(gè)時(shí)間點(diǎn)恰好在小學(xué)階段，如果教育部門能夠持續(xù)有力地推動(dòng)素質(zhì)教育，降低考試成績(jī)?cè)谛W(xué)學(xué)習(xí)過程中的重要性，學(xué)校和家長(zhǎng)就能夠更從容主動(dòng)保障孩子的戶外活動(dòng)時(shí)間，降低近視發(fā)生率。如果孩子在小學(xué)階段視力很好，后面轉(zhuǎn)為近視的風(fēng)險(xiǎn)會(huì)相應(yīng)降低。

本研究的數(shù)據(jù)還具有明顯的局限性，缺少6 歲以下以及14 歲以上的數(shù)據(jù)，樣本區(qū)域集中代表性不充分，在國(guó)內(nèi)還沒有大規(guī)模針對(duì)家庭情況和生活習(xí)慣的調(diào)查。這使得本文結(jié)論的適用度和可信度都有相當(dāng)大可提高的空間，特別是無法準(zhǔn)確判斷海外數(shù)據(jù)(數(shù)據(jù)集C)對(duì)中國(guó)情況的解釋力——這還需要針對(duì)國(guó)內(nèi)類似調(diào)查數(shù)據(jù)的分析。目前研究組正在進(jìn)行針對(duì)數(shù)十萬青少年的視力篩查，并匹配對(duì)數(shù)萬抽樣家長(zhǎng)的問卷調(diào)查，有望在近期給出更充分全面的分析。

青少年近視防控是一項(xiàng)系統(tǒng)工程，需要政府、學(xué)校、醫(yī)療衛(wèi)生機(jī)構(gòu)、家庭和學(xué)生本人共同努力。政府應(yīng)該主動(dòng)出臺(tái)近視防控計(jì)劃，每3～5 年為一期，給出明確的目標(biāo)和可操作的方案，并通過廣覆蓋的篩查數(shù)據(jù)分析獲得定量化的反饋，切實(shí)有效地提升青少年視力水平。