Fusional Vergence differences between manual phoropter and automated phoropter
Notice bibliographique
Résumé
Purpose: The use of automated phoropters is becoming common in ophthalmic clinics however "the clinical norms" utilized for evaluating vergences were obtained using the manual phoropter. We sought to investigate and compare the fusional vergence findings obtained with the automated phoropter (Nidek RT-5100) and the manual phoropter (Topcon). Methods: The study was conducted at the College of Optometry at Western University of Health Sciences, Pomona California where a total of 188 participants (optometry students) who were paired and individuals examined each other and performed vergence measurements. The vergence measurement was performed for both distance vision (20 feet) and near vision (40 centimeters) using the 1) manual phoropter 2) automated phoropter. The sequence of measurement was randomized. Results: A paired samples t-test was utilized to evaluate the vergence data of blur/ break and recovery was analyzed for each method using paired samples t-test. The mean values of blur/break and recovery was significantly different between the two phoropters at 20 feet p-values of 0.006, 0.013, and 0.002 respectively. At near distance (40 cms) convergence base out showed significant difference for recovery (p= < 0.0001) and divergence base in prism for break in fusional vergence (p=0.006). Conclusion: The vergence values obtained using an automated phoropter is significantly different when compared to values obtained using manual phoropter and the results obtained using these phoropters cannot be used interchangeably. Clinicians need to take this into account when making any clinical judgement involving any prism prescription. A new set of clinical norms might be needed as a clinical guideline when evaluating patients using automated phoropters. Meeting abstract presented at VSS 2017
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».