Correlati comportamentali e demografici del rischio di miopia negli adolescenti tibetani: un’analisi di machine learning mediante refrazione non cicloplegica

Lo studio rappresenta un'indagine esplorativa sulla miopia in una popolazione specifica, gli adolescenti tibetani, utilizzando tecniche di machine learning per identificare fattori di rischio comportamentali e demografici. Il campione comprendeva 735 adolescenti di età 9-15 anni, stratificati in set di addestramento (80%) e test (20%) per il modello XGBoost. La metodologia ha impiegato l'autorefrazione non cicloplegica come criterio diagnostico per la miopia, definita come acuità visiva corretta inferiore a 5.0 (logMAR 0.0) e equivalente sferico ≤ -0.50 diottrie. Tra i risultati quantitativi principali, l'analisi di regressione logistica binaria ha evidenziato che ogni anno di aumento dell'età incrementava il rischio di miopia con OR=1,200 (IC 95%: 1,069-1,347, p=0,002). Il sesso maschile mostrava un effetto protettivo con OR=0,583 (IC 95%: 0,427-0,796), così come la frequenza scolastica in collegio (OR=0,419, IC 95%: 0,250-0,702). Tra i comportamenti, l'assenza di colazione regolare presentava un OR=2,882 per l'associazione con miopia. L'analisi SHAP del machine learning ha identificato come predittori più importanti i comportamenti scolastici (rotazione dei posti, durata dello studio giornaliero, grado scolastico), seguiti dai fattori di stile di vita (abitudini colazione, tempo schermo). Nel contesto della letteratura sulla miopia in popolazione pediatrica, il presente studio si distingue per il focus su una popolazione asiatica specifica, considerando fattori comportamentali meno esplorati come la rotazione dei posti in classe, probabilmente proxy del tempo passato all'aperto. Tuttavia, gli autori sottolineano ripetutamente che l'assenza di cicloplegia rappresenta una limitazione critica, poiché il tono accomodativo nei bambini di questa fascia d'età può sovrastimare la prevalenza di miopia, portando a misclassificazione dell'outcome.