Clinical applications of multiple scaling theory: Focus on the big picture
Notice bibliographique
Résumé
Patients suffering of foveal vision loss (e.g. macular degeneration) must rely on peripheral vision to perform most visual tasks. Often, this is insufficient, and corrective measures are necessary: (1) magnification, i.e. enlarging the stimulus (e.g. moving closer to the stimulus, using magnifying lens), and/or (2) stimulus optimization (e.g. controlling the spacing between letters, using a font optimized for peripheral vision). The current focus in peripheral vision research in normal populations is to measure, at each eccentricity, the smallest stimuli that can maintain threshold performance (i.e. lower limit). However, using multiple scaling theory (MST; Poirier & Gurnsey, 2002, 2005), we argue that this information is incomplete. Researchers also need to measure, at each eccentricity, the largest stimuli that can maintain threshold performance (i.e. upper limit). Upper limits are not uncommon in perception: (1) texture discrimination has an upper limit, where texture discrimination is impaired if textels on either side of a texture edge are spaced too far apart, and (2) reading has an upper bound, where normal scanning and reading span functions are disrupted when letters are too spaced apart. The relationship between these two limits determines if the task can be solved peripherally, and if so, what corrective measures are required. We will also review various sampling strategies used in peripheral vision research, and for each provide concrete ways to detect lower and upper limits. We discuss several applications of this research, including (1) guidelines for generalizing results from normal to clinical populations and vice-versa, (2) guidelines for generalizing results from incomplete data sets or sub-optimal sampling strategies, and (3) guidelines for identifying the proper corrective measures. These guidelines could play an essential role in bridging peripheral vision research across clinical and normal populations.
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 | 0,019 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,011 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».