Search Results

Abstract

Objetivo: Analisar o perfil epidemiológico dos casos de evisceração e enucleação no pronto-socorro oftalmológico de um hospital terciário brasileiro.
Métodos: Análise retrospectiva dos casos tratados no pronto-socorro oftalmológico do Hospital São Paulo (Universidade Federal de São Paulo) entre os anos de 2013 a 2018. Os casos urgentes de evisceração e enucleação foram incluídos e os casos eletivos foram excluídos. A análise dos prontuários médicos foi baseada em: dados demográficos, causas imediatas e associadas ao procedimento, acuidade visual informada, duração dos sintomas antes do atendimento oftalmológico, complicações, distância da residência até o hospital e tempo de hospitalização.
Resultados: 61 enucleações e 121 eviscerações foram incluídas no estudo. Os pacientes tinham uma média de idade de 63,27 ± 18,68 anos; 99 eram do sexo masculino (54,50%) e 83 do sexo feminino (45,60%). As indicações de evisceração e enucleação foram: perfuração corneana com (44,50%) e sem (23,63%) sinais infecciosos, endoftalmite (15,38%), trauma ocular (14,29%), neoplasia (0,55%), queimadura (1,10%) e phthisis bulbi (0,55%). A acuidade visual informada foi de ausência de percepção luminosa (87,36%), percepção luminosa (1.10%), ausência de colaboração (3,30%) e sem dados informados (8,24%). A média de tempo até a busca pelo serviço oftalmológico foi de 18,32 dias. Houve 2 casos de oftalmia simpática após evisceração.
Conclusões: Eviscerações foram predominantemente realizadas em comparação a enucleações em todo o período de estudo. As características demográficas mais comuns foram idade >60 anos e sexo masculino. As principais indicações para procedimentos urgentes de evisceração e enucleação foram perfuração corneana com e sem infecção, endoftalmite e trauma ocular. Este estudo poderia guiar medidas preventivas para evitar procedimentos oculares destrutivos.

Keywords: Evisceração do olho; Enucleação ocular; Úlcera da córnea/epidemiologia; Endoftalmite; Traumatismos oculares; Serviços médicos de emergência; Serviços de saúde ocular.

Abstract

Objetivos: O objetivo do estudo é avaliar o perfil das visitas ao Pronto-Socorro de Oftalmologia (PS) do Hospital São Paulo, serviço público de atendimento terciário aberto 24 horas em São Paulo - Brasil, pertencente à Universidade Federal de São Paulo, nos últimos 11 anos.
Métodos: Foi realizado um estudo transversal retrospectivo, com base em todos os pacientes (n=634.726) admitidos no pronto-socorro de oftalmologia do Hospital São Paulo entre janeiro de 2009 e dezembro de 2019.
Resultados: De 2009 a 2019, houve um aumento no influxo de 39,2% com importante variação nos atendimentos ao longo dos anos, a mediana de idade foi de 38 ± 20,4 anos, o sexo masculino representou 53,3% e os pacientes únicos representaram 53,1%. Verificou-se que 79,5% das visitas ocorreram das 7h às 17h e 80,8% nos dias da semana. Os diagnósticos mais frequentes foram conjuntivite aguda seguida de blefarite, ceratite, hordéolo / calázio e corpo estranho corneano.
Conclusão: Ao longo do período de análise do estudo, houve importante aumento nas apresentações, com predominância de atendimentos não urgentes e baixa proporção de pacientes com uma única visita. Nossos resultados evidenciam o perfil das consultas oftalmológicas, podendo gerar mudanças no sistema público de saúde visando a melhoria da qualidade do atendimento e acesso às emergências oftalmológicas na cidade de São Paulo.

Keywords: Serviço hospitalar de emergência; Epidemiologia; Traumatismos oculares; Oftalmopatias.

Abstract

Objetivos: A pandemia de COVID-19 foi iniciada em março de 2020 e mudou o sistema de saúde. Mudanças na alocação de recursos, sobrecarga de unidades de terapia intensiva, apreensão dos pacientes em procurar atendimento médico não relacionado ao COVID-19 e redução abrupta de todas as consultas e cirurgias não urgentes. Este estudo avalia o impacto em um pronto-socorro oftalmológico após 1 ano de pandemia, avaliando a correlação entre as fases de lockdown, a mortalidade do COVID-19 e as visitas ao pronto-socorro.
Métodos: Estudo observacional retrospectivo que incluiu todos os pacientes admitidos no serviço de emergência oftalmológica do Hospital São Paulo, vinculado a UNIFESP/EPM, entre 1º de janeiro de 2019 e 28 de março de 2021. As visitas foram classificadas e comparadas em um grupo pré-pandemia e pandemia.
Resultados: No período pré-pandemia, o hospital registrou um total de 71.485 atendimentos com média de 194,78 ± 49,74 atendimentos diários, e no grupo pandemia, um total de 41.791 com média de 114,18 ± 43,12 atendimentos diários, redução de 41,4%. Uma diminuição significativa de 16,4% (p<0,001) foi observada na prevalência de conjuntivite aguda e um aumento significativo de 6,4% (p<0,01) na prevalência de corpo estranho da córnea. Foi identificada uma correlação negativa entre a taxa de mortalidade do COVID-19 e as taxas de visita ao pronto-socorro.
Conclusão: Esta análise de um ano mostrou uma redução de 41,4% nas visitas ao pronto-socorro, e uma diminuição significativa nas conjuntivites agudas. A mudança nos hábitos de higiene e o distanciamento social poderiam explicar essa redução, e o aumento da prevalência de traumas corneanos. Achados destacam a necessidade de medidas preventivas e educativas durante os períodos restritivos.

Keywords: SARS-CoV-2; COVID-19; Infecções por coronavírus; Pandemias; Serviços médicos de emergência; Trauma ocular.

Abstract

OBJETIVO: Esse estudo tem como objetivo criar um modelo de Machine Learning por um oftalmologista sem experiência em programação utilizando auto Machine Learning predizendo influxo de pacientes em serviço de emergência e casos de trauma.
MÉTODOS: Um dataset de 366,610 visitas em Hospital Universitário da Universidade Federal de São Paulo de 01 de janeiro de 2014 até 31 de dezembro de 2019 foi incluído no treinamento do modelo, incluindo visitas/dia e código internacional de doenças. O treinamento e predição foram realizados com o Amazon Forecast por dois oftalmologistas sem experiência com programação.
RESULTADOS: O período de previsão estimou um volume de 206,37 pacientes/dia em p90, 180,75 em p50, 140,35 em p10 e média de 7,42 casos de trauma/dia em p90, 3,99 em p50 e 0,56 em p10. Janeiro de 2020 teve um total de 6.604 pacientes e média de 206,37 pacientes/dia, 13,5% menos do que a predição em p50. O período teve um total de 199 casos de trauma e média de 6,21 casos/dia, 55,77% mais casos do que a predição em p50.
CONCLUSÃO: O desenvolvimento de modelos era restrito a cientistas de dados com experiencia em programação, porém a transferência de ensino com a tecnologia de auto Machine Learning permite o desenvolvimento de algoritmos por qualquer pessoa sem experiencia em programação. Esse estudo mostra um modelo com valores preditos próximos ao que ocorreram em janeiro de 2020. Fatores que podem ter influenciados no resultado foram feriados e tamanho do banco de dados. Esse é o primeiro estudo que aplicada auto Machine Learning em predição de visitas hospitalares com resultados próximos aos que ocorreram.

Keywords: Aprendizado de máquina; Serviço hospitalar de emergência; Traumatismos oculares; Modelos estatísticos; Algoritmos

Abstract

PURPOSE: Timely screening and treatment are essential for preventing diabetic retinopathy blindness. Improving screening workflows can reduce waiting times for specialist evaluation and thus enhance patient outcomes. This study assessed different screening approaches in a Brazilian public healthcare setting.
METHODS: This retrospective study evaluated a telemedicine-based diabetic retinopathy screening implemented during the COVID-19 pandemic and compared it with in-person strategies. The evaluation was conducted from the perspective of a specialized referral center in an urban area of Central-West Brazil. In the telemedicine approach, a trained technician would capture retinal images by using a handheld camera. These images were sent to specialists for remote evaluation. Patient variables, including age, gender, duration of diabetes diagnosis, diabetes treatment, comorbidities, and waiting time, were analyzed and compared.
RESULTS: In total, 437 patients with diabetes mellitus were included in the study (mean age: 62.5 ± 11.0 years, female: 61.7%, mean diabetes duration: 15.3 ± 9.7 years, insulin users: 67.8%). In the in-person assessment group, the average waiting time between primary care referral and specialist evaluation was 292.3 ± 213.9 days, and the referral rate was 73.29%. In the telemedicine group, the average waiting time was 158.8 ± 192.4 days, and the referral rate was 29.38%. The telemedicine approach significantly reduced the waiting time (p<0.001) and significantly lowered the referral rate (p<0.001).
CONCLUSION: The telemedicine approach significantly reduced the waiting time for specialist evaluation in a real-world setting. Employing portable retinal cameras may address the burden of diabetic retinopathy, especially in resource-limited settings.

Keywords: Telemedicine/methods; Diabetic retinopathy; Diagnostic screening programs; Vision screening; Practice patterns, physicians

Abstract

PURPOSE: Diabetic retinopathy screening in low- and middle-income countries is limited by restricted access to specialized care. Portable retinal cameras offer a practical alternative; however, image quality – affected by mydriasis – directly influences the performance of artificial intelligence models. This study evaluated the effect of mydriasis on image gradability and AI-based diabetic retinopathy detection in real-world, resource-limited settings.
METHODS: The proportions of gradable images were compared between mydriatic and non-mydriatic groups. Generalized estimating equations were used to identify factors associated with image gradability, including age, sex, race, diabetes duration, and systemic hypertension. A ResNet-200d model was trained on the mobile Brazilian Ophthalmological dataset and externally validated on both mydriatic and non-mydriatic images. Model performance was evaluated using accuracy, F1 score, area under the curve, and confusion matrix metrics. Sensitivity differences were assessed using the McNemar test, and area under the curves were compared using DeLong's test. The Youden index was used to determine optimal classification thresholds. Agreement between macula- and disc-centered images was analyzed using Cohen's κ.
RESULTS: The mydriatic group demonstrated a higher proportion of gradable images compared with the non-mydriatic group (82.1% vs. 55.6%; p<0.001). In non-mydriatic images, lower gradability was associated with systemic hypertension, older age, male sex, and longer diabetes duration. The AI model achieved better performance in mydriatic images (accuracy, 85.15%; area under the curve, 0.94) than in non-mydriatic images (accuracy, 79.68%; area under the curve, 0.93). The McNemar test showed a significant difference in sensitivity (p=0.0001), whereas DeLong's test revealed no significant difference in area under the curve (p=0.4666). The Youden index indicated that optimal classification thresholds differed based on mydriasis status. Agreement between image fields was moderate to substantial and improved with mydriasis.
CONCLUSION: Mydriasis significantly improves image gradability and enhances AI performance in diabetic retinopathy screening. Nonetheless, in low- and middle-income countries where pharmacologic dilation may be impractical, optimizing model calibration and thresholding for non-mydriatic images is essential to ensure effective AI implementation in real-world clinical environments.

Keywords: Artificial intelligence; Bias; Diabetic retinopathy; Portable camera; Retina

Abstract

PURPOSE: Natural language models and chatbots, particularly OpenAI’s Generative Pre-Trained Transformer architecture, have transformed human interaction with digital interfaces. The latest versions, including ChatGPT-4o, offer enhanced functionalities compared to their predecessors. This study evaluates the accuracy of ChatGPT-4, ChatGPT-4o, and Claude 3.5 Sonnet in answering questions from the Brazilian Retina and Vitreous Society certification exam.
METHODS: We compiled 200 multiple-choice questions from the Brazilian Retina and Vitreous Society 2018 and 2019 exams. Questions were categorized into three domains: Anatomy and Physiology of the Retina, Retinal Pathology, and Diagnosis and Treatment. Using a standardized prompt developed according to prompt design guidelines, we tested ChatGPT-4, ChatGPT-4o, and Claude 3.5 Sonnet, recording their first responses as final. Three retina specialists performed a qualitative analysis of the answers. Accuracy was determined by comparing responses to the official correct answers. Statistical analysis was conducted using chi-square tests and Cohen’s Kappa.
RESULTS: Claude 3.5 Sonnet achieved the highest overall accuracy (72.5%), followed by ChatGPT-4o (66.0%) and ChatGPT-4 (55.5%). Claude 3.5 Sonnet and ChatGPT-4o significantly outperformed ChatGPT-4 (p<0.01 and p=0.03, respectively), while no significant difference was observed between Claude 3.5 Sonnet and ChatGPT-4o (p=0.16). Model responses agreed 74.5% of the time, with a Cohen’s κ of 0.47. Retinal Pathology was the best-performing domain for all models, whereas Anatomy and Physiology of the Retina and Diagnosis and Treatment were the weakest domains for Claude 3.5 Sonnet and ChatGPT-4, respectively.
CONCLUSIONS: This study is the first to assess Claude 3.5 Sonnet, ChatGPT-4, and ChatGPT-4o in retina specialist certification exams. Claude 3.5 Sonnet and ChatGPT-4o significantly outperformed ChatGPT-4, highlighting their potential as effective tools for studying retina specialist board exams. These findings suggest that the enhanced functionalities of Claude 3.5 Sonnet and ChatGPT-4o offer substantial improvements in medical education contexts.

Keywords: Artificial intelligence; ChatGPT; Retina; Medical education; Ophthalmology, Large language model; Natural language processing