Improvement of visual acuity and visual evoked patterned potentials done at different spatial frequencies after rehabilitation in 45 subjects affected by Cerebral Visual Impairment.
Notice bibliographique
Résumé
Abstract Purpose To analyze improvement of visual acuity(VA) and visual evoked patterned potentials (pVEP) in children diagnosed by MR as cerebral visual impaired (CVI) after rehabilitation (refractive correction and occlusion terapy). Methods In 45 CVI infants(mean age 5.6)we analysed VA and pVEPs improvement after 1 year of follow up. Teller Acuity Cards and/or optotype were used for decimal visual acuity. P‐VEPs were recorded at Oz,O1,O2, referenced to Fz. At least two spatial frequencies (among 300’,120’,60’,30’,15’).Statistical analysis were made between VA and pVEP improvement. Results VEP and VA percentage of success was 100% and 89% respectively at the beginning; after 1 year VA percentage of success rised 100%. Mean VA before treatment was 2,29/10(0.2‐10); after treatment was 3,61/10(0.1‐10). VA improvement was statistically significant(z=0,00) VA improvement occurred in 68,89%, while 31,11% were unimproved. Improved VEP were 80% and unimproved 20%. We considered improved VEP when children were able to detect lower spatial frequencies or when, in the same spatial frequency, we found higher amplitudes and reduced latencies. Differences between VEP amplitude and latency were not statistically significant in all frequencies but in L60’ (T‐test L60':0.02). There was an association between VA improvement and therapy,(Pr = 0.02) There wasn’t association (Pr = 0.76) between VEP improvement and therapy. There wasn’t correlation between VA and VEP improvement. Conclusion We found an improvement both in VA and VEP.VEP improvement is independent of therapy,VA improvement is correlated with therapy.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 tête enseignante, 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 ».