Choosing appropriate tools and referral criteria for vision screening of children aged 4–5 years in Canada: a quantitative analysis
Notice bibliographique
Résumé
OBJECTIVES: To assess the diagnostic accuracy of five vision screening tools used in a school setting using sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV). DESIGN: We compared the results of the five best evidence-based screening tools available in 2014 to the results of a comprehensive eye exam with cycloplegic refraction by a licenced optometrist. Screening included Cambridge Crowded Acuity Cards, Plusoptix S12 and Spot photoscreeners, Preschool Randot Stereoacuity Test and the Pediatric Vision Scanner (PVS). Referral criteria followed AAPOS (2013) guidelines and published norms. SETTING: A large school in Toronto, Canada, with 25 split classrooms of junior kindergarten (JK: 4 year olds) and senior kindergarten (SK: 5 year olds) children. PARTICIPANTS: Over 2 years, 1132 eligible children were enrolled at the school. After obtaining parental consent, 832 children were screened. Subsequently, 709 children had complete screening and optometry exam data. MAIN OUTCOME MEASURES: The presence/absence of a visual problem based on optometrist's assessment: amblyopia, amblyopia risk factors (reduced stereoacuity, strabismus and clinically significant refractive errors) and any other ocular problem (eg, nystagmus). RESULTS: Overall, 26.5% of the screened children had a visual problem, including 5.9% with amblyopia. Using all five tools, screening sensitivity=84% (95% CI 78 to 89), specificity=49% (95% CI 44 to 53), PPV=37% (95% CI 33 to 42), and NPV=90% (95% CI 86 to 93). The odds of having a correct screening result in SK (mean age=68.2 months) was 1.5 times those in JK (mean age=55.6 months; 95% CI 1.1 to 2.1), with sensitivity improved to 89% (95% CI 80 to 96) and specificity improved to 57% (95% CI 50 to 64) among SK children. CONCLUSIONS: A school-based screening programme correctly identified 84% of those kindergarten children who were found to have a visual problem by a cyclopleged optometry exam. Additional analyses revealed how accuracy varies with different combinations of screening tools and referral criteria.
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 ».