Color vision screening of school children in India using the CVTMET
Notice bibliographique
Résumé
Purpose: The prevalence of red-green color vision defects in India has been reported to range from 2.5% to 7.5% in men and 0.13% to 1.04% in women. The lowest prevalence was found in certain tribal groups. Although one would expect the prevalence to be similar in children, little modern data is available. This study was carried out to determine the prevalence of red-green color deficiencies in Indian school children using the Color Vision Test Made Easy (CVTMET). Methods: Children between the ages of 4 and 9 years were screened at different schools in Mumbai using the CVTMET. Time taken to complete the test was recorded. Of the 1711 children, 33 (ages of 4–5 years) were excluded due to difficulty in interpreting their responses. In the remaining 1678, 1002 were males and 676 were females. Results: Eighteen males and six females failed the CVTMET. This results in a prevalence in males of 1.8% (95% CI 1.1% to 2.8%) and 0.89% (95% CI 0.4% to 1.9%) in females. Those who failed the CVTMET took significantly more time 215.20 (+102.92) seconds compared to color-normals 120.22 (+66.71) seconds (p<0.001). Conclusions: The rate in male children was lower than the 3.7% to 7.5% values reported for nontribal urban groups, whereas the female rate fell within the range of previous reports. The low prevalence in males suggests that additional work is required to determine the validity of the CVTMET test and/or to determine the prevalence of red-green defects in the modern Indian society.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».