Predicting the CN Lantern Test for Railways with Clinical Color‐vision Tests
Notice bibliographique
Résumé
SIGNIFICANCE: This research will help clinicians in advising their color-vision-defective patients regarding their career options. PURPOSE: In Canadian railways, individuals with a color-vision-defect (CVD) may qualify for positions at shorter sighting distance from signal lights. The railway companies' medical units use the CN Lantern (CNLan) test, and there is little information available as to whether clinical color-vision tests (CCVTs) can predict the CNLan results. This study determines the ability of some CCVTs to predict the CNLan performance to assist clinicians in advising their CVD patients regarding career options. METHODS: The CNLan viewing distance was varied between 4.6 and 0.57 m using a geometric progression. The CCVTs were the Hardy, Rand, and Rittler; Ishihara; ColorDx pseudoisochromatic plate (PIP); the Rabin Cone Contrast Test; Color Assessment and Diagnosis; Cambridge Color Vision Test; U.S. Air Force Operational Based Vision Assessment Cone Contrast Test; Farnsworth Munsell D15; and ColorDx D15. Fifty-six normal-color-vision and 63 CVD subjects participated in this study. RESULTS: Failure of either the Farnsworth Munsell D15 or ColorDx D15 essentially guarantees failure on the CNLan at the 4.6-m distance. The agreement values decreased as the viewing distance decreased. CONCLUSIONS: To counsel patients regarding a career as a locomotive engineer, clinicians should have either the Hardy, Rand, and Rittler or ColorDx PIP and a D15 test. For patients applying for a position in the yard, a mild-to-moderate classification CVD on HRR or ColorDx PIP indicates a high probability of passing CNLan.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».