Reading with normal vision and with age-related macular degeneration
Notice bibliographique
Résumé
Purpose: Patients with age-related macular degeneration (AMD) may read with their peripheral retina. Due to crowding effects and poor ocular motor control, these patients may benefit from larger spacing between the letters and from serif type-fonts. In this research we tested the influence of four common type-fonts on reading performance in people with normal vision and in patients with AMD. Method: Four versions of the MNRead charts were tested on 24 people with normal vision and 19 patients with AMD. The charts were printed using common type-fonts: 1) Times New Roman (proportional spaced, serif), 2) Courier (mono-spaced, serif), 3) Arial (proportional spaced, sans serif), and 4) Andale Mono (mono-spaced, sans serif). Binocular visual acuity was measured with ETDRS. Results: People with normal vision read best on the Andale Mono chart. On this chart, the largest proportion of people (83%) read the full sentence at the smallest print size (20/13). They also had the best reading acuity (−0.17 ± 0.05 logMAR), critical print size (0.05 ± 0.11 logMAR), and maximum reading speed (233.06 ± 41.69 wpm). However, on the Times New Roman chart, people with normal vision performed worst in all measures. Patients with AMD read more lines on the Courier chart than on any other charts. On this chart, these patients yielded the best reading acuity (0.56 ± 0.17 logMAR), critical print size (0.70 ± 0.20 logMAR), and second largest maximum reading speed (104.22 ± 61.43 wpm). Patients read fastest on Andale Mono charts (107.12 ± 56.57 wpm). In contrast, on the Arial chart, patients with AMD did the worst. Conclusion: Reading performance of people with normal vision is best on a mono-spaced sans-serif font, while that of patients with AMD is better on a type-font that is mono-spaced and serif.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».