Accuracy and Repeatability of Self‐Measurement of Interpupillary Distance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine the accuracy and repeatability of participants determining their own interpupillary distance (PD). METHODS: Fifty-two healthy and naïve participants were enrolled and analyzed. All participants analyzed were without strabismus. Participants had PD measurements taken by a trained examiner using both a PD rule and an optical pupillometer. Participants then, following online instructions measured their own PD in a mirror, measured a friend's PD and used an online application downloaded to an IPod. Measurements were repeated twice for each type, and the pupillometer results were considered the gold standard (referent). RESULTS: The mean difference between the examiner PD rule measurement and the pupillometer were +0.59 mm [95% limits of agreement (LoA) -0.69 to +1.88], pupillometer-self +0.46 mm (-5.22 to +6.14), pupillometer-friend +2.00 mm (-3.80 to +7.81), and pupillometer-App -3.24 mm (-3.09 to +9.57). Measurements of repeatability using the 95% LoA for the examiner are -0.79 to 0.73 mm for the pupillometer and -1.04 to +1.20 mm for the PD rule. Participants' repeatability for the self-measurement (mirror) was -3.61 to +4.75 mm, employing a friend was -3.74 to +3.94 mm, and using the IPod application was -6.63 to +6.51 mm. CONCLUSIONS: Participants' ability to measure their own PD using techniques and applications available via the Internet result in poor accuracy and poor repeatability.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle