Oculomotor-Based Vision Assessment in Mild Traumatic Brain Injury: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this article is to synthesize and appraise the evidence regarding the use of oculomotor-based vision assessment to identify and monitor recovery from mild traumatic brain injury (mTBI). Specific objectives are to (1) identify changes in oculomotor-based vision following mTBI; (2) distinguish methods of assessment; (3) appraise the level and quality of evidence; and, if warranted, (4) determine clinical recommendations for assessment. METHODS: A systematic review was undertaken to identify and appraise relevant literature. A search was conducted of 7 databases of peer-reviewed literature from January 1990 to January 2015. Articles were included if study populations were clearly identified as having mTBI and used an assessment of oculomotor-based vision. Articles with pooled data (eg, mTBI and stroke), addressing afferent visual function (eg, visual field deficits) or using single case designs, were excluded. RESULTS: Twenty articles were selected for inclusion. Exploratory findings suggest that measurements of saccades, smooth pursuit, and vergence are useful in detecting changes associated with mTBI. Assessment methods included eye tracker protocols, optometric assessment, and the King-Devick test. CONCLUSION: The strength of this evidence is not yet sufficient to warrant clinical recommendations. Research using rigorous methods is required to develop reliable, valid, and clinically useful assessment protocols.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».