Reading Training with Threshold Stimuli in People with Central Vision Loss
Notice bibliographique
Résumé
PURPOSE: To evaluate the effectiveness of a perceptual learning technique for improving reading performance of patients with central vision loss and to explore whether this learning generalizes to other visual functions. METHODS: Ten patients with central vision loss were trained binocularly, in four consecutive sessions, with serially presented words printed at each patient's reading acuity limit. Patients read 10 blocks of 100 words in each session. They were encouraged to read the whole word and were discouraged to read letter by letter. Assessment sessions before and after training measured fixation stability, monocular and binocular visual acuity, as well as reading acuity, critical print size, and maximum reading speed with continuous text. Another six patients with central vision loss were included in a test-retest control group and were tested twice, 1 week apart, with no intervention. RESULTS: The average time required to read a block of trials decreased significantly with each training session. After training, continuous text reading improved in terms of reading acuity (p = 0.017) and maximum reading speed (p = 0.01), but critical print size did not change. Binocular acuity improved significantly from an average of 0.54 logMAR before training to 0.44 logMAR after training. Binocular ratio (better eye acuity/binocular acuity) increased from an average of 1.0 before training to 1.17 after training. There was a 62% improvement in fixation stability in the better eye and 58% in the worse eye. There were no changes in the outcome measures for the test-retest control group. CONCLUSIONS: The technique described in this article can be used for vision rehabilitation of patients with central vision loss. When training is done with size threshold stimuli, learning generalizes to visual acuity, continuous text reading, and fixation stability.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 ».