Do picture-based charts overestimate visual acuity? Comparison of Kay Pictures, Lea Symbols, HOTV and Keeler logMAR charts with Sloan letters in adults and children
Notice bibliographique
Résumé
PURPOSE: Children may be tested with a variety of visual acuity (VA) charts during their ophthalmic care and differences between charts can complicate the interpretation of VA measurements. This study compared VA measurements across four pediatric charts with Sloan letters and identified chart design features that contributed to inter-chart differences in VA. METHODS: VA was determined for right eyes of 25 adults and 17 children (4-9 years of age) using Crowded Kay Pictures, Crowded linear Lea Symbols, Crowded Keeler logMAR, Crowded HOTV and Early Treatment of Diabetic Retinopathy Study (ETDRS) charts in focused and defocused (+1.00 DS optical blur) conditions. In a separate group of 25 adults, we compared the VA from individual Kay Picture optotypes with uncrowded Landolt C VA measurements. RESULTS: Crowded Kay Pictures generated significantly better VA measurements than all other charts in both adults and children (p < 0.001; 0.15 to 0.30 logMAR). No significant differences were found between other charts in adult participants; children achieved significantly poorer VA measurements on the ETDRS chart compared with pediatric acuity tests. All Kay Pictures optotypes produced better VA (p < 0.001), varying from -0.38 ± 0.13 logMAR (apple) to -0.57 ± 0.10 logMAR (duck), than the reference Landolt C task (mean VA -0.19 ± 0.08 logMAR). CONCLUSION: Kay Pictures over-estimated VA in all participants. Variability between Kay Pictures optotypes suggests that shape cues aid in optotype determination. Other pediatric charts offer more comparable VA measures and should be used for children likely to progress to letter charts.
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) | 0,001 | 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) | 0,000 | 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 ».