Abstract
Background To develop a fast and frugal decision tree to identify keratoconus patients most likely to benefit visually from the combination of corneal cross-linking (CXL) with
topography-guided photorefractive keratectomy (“CXL plus”).
Patients and Methods The outcome of interest was an improvement in uncorrected distance visual acuity (UDVA) by at least two lines at the 12-month follow-up. Preoperative and
12-month follow-up data from patients who received CXL plus (n = 96) and CXL only (n = 96) were used in a recursive partitioning approach to construct a frugal tree with three variables
(corneal thickness [>/< 430 um], patient interest in CXL plus [yes/no], and tomographic cylinder [</> 3 D]). In addition, we estimated the probability of the outcome from a
multivariate logistic regression model for each combination of variables used in the decision tree.
Results In the complete sample, 101/192 (52.6%) patients improved by at least two lines at the 12-month follow-up. Patients affirmative in all three answers had a 75.6% (34/45)
probability of gaining at least two lines of improvement in UDVA by CXL plus. The statistical model estimated a 66.0% probability for a successful outcome.
Conclusion A fast and frugal tree consisting of three variables can be used to select a patient group with a high likelihood to benefit from CXL plus. The tree is useful in the
preoperative counseling of keratoconus patients contemplating the CXL plus option, an intervention that is not fully covered by many health insurances.
Zusammenfassung
Hintergrund Ziel war die Entwicklung eines Entscheidungsbaums zur Identifizierung derjenigen Keratokonus-Patienten, die visuell am ehesten von der Kombination eines kornealen
Cross-Linkings (CXL) mit einer topografiegeführten photorefraktiven Keratektomie (sog. „CXL plus“) profitieren.
Patienten und Methoden Die interessierende Zielgröße war eine Verbesserung des unkorrigierten Fernvisus (UDVA) um mindestens 2 Linien bei der Nachuntersuchung nach 12 Monaten. Wir
verwendeten die prä- und postoperativen Daten von Patienten, die ein alleiniges CXL (n = 96) oder ein CXL plus (n = 96) erhielten, um mittels rekursiver Partitionierung einen
Entscheidungsbaum mit den 3 Variablen („Hornhautdicke [>/< 430 um]“, „Patienteninteresse an CXL plus [ja/nein]“ und „tomographischer Zylinder [</> 3 D]“) zu konstruieren. Darüber
hinaus schätzten wir die Wahrscheinlichkeit des Ergebnisses anhand eines multivariaten logistischen Regressionsmodells für jede Kombination von Variablen, die im Entscheidungsbaum verwendet
wurden.
Resultate In der Gesamtstichprobe verbesserte sich die Sehleistung 12 Monate postoperativ bei 101 von 192 Patienten (52.6%) um mindestens 2 Linien. Diejenigen Patienten, für welche
bei allen drei Variablen die erstgenannte Auswahl-Option zutraf, hatten eine Wahrscheinlichkeit von 75,6% (34/45), durch CXL plus eine Verbesserung der UDVA um mindestens 2 Linien zu
erreichen. Das statistische Modell schätzte eine 66,0%ige Wahrscheinlichkeit für ein erfolgreiches Ergebnis.
Schlussfolgerung Ein klinischer Entscheidungsbaum mit 3 Variablen kann verwendet werden, um diejenige Patientengruppe auszuwählen, die mit hoher Wahrscheinlichkeit visuell von CXL
plus profitieren wird. Diese Entscheidungshilfe ist nützlich für die präoperative Beratung von Keratokonus-Patienten, die eine CXL-plus-Option in Erwägung ziehen – ein Eingriff, der von
vielen Krankenversicherungen nicht vollständig übernommen wird.
Key words corneal cross-linking - photorefractive keratectomy - recursive partitioning - decision tree
Schlüsselwörter Keratokonus - korneales Cross-Linking - photorefraktive Keratektomie - rekursive Partitionierung - Entscheidungsbaum keratoconus
