MétaCan
Menu
Retour à la cohorte
Enregistrement W3038524427 · doi:10.17576/mh.2020.1501.21

Comparison of Habitual Visual Acuity and Stereoacuity between Children Attending Kemas and Urban Private Preschools

2020· article· en· W3038524427 sur OpenAlexfundno aff
Mohd Izzuddin Hairol

Notice bibliographique

RevueMedicine & health · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Rural Affairs
Mots-clésStereoscopic acuityOptometryMedicineVisual acuityPsychologyOphthalmology

Résumé

récupéré en direct d'OpenAlex

The assessment of a preschooler's visual status is important as it forms part of the measure to assess the child's school readiness. However, not all children attending preschools have equal opportunity to undergo vision screening programmes. In this study, we measured presenting habitual near and distance visual acuity and stereoacuity in 6-year-old children (n=385). These parameters were measured in and compared between preschoolers attending urban, privately-run kindergartens and those attending KEMAS preschools, which were typically from suburban and rural areas with families of very low income. Seven percent of KEMAS preschoolers failed the distance visual acuity test while the failure rate for private preschoolers was 6.0%. For near visual acuity, a higher percentage of private preschoolers failed the test (8.7%) than KEMAS preschoolers (4.9%). A slightly higher percentage of private preschoolers had weak stereopsis (3.3%) compared to KEMAS preschoolers (2.5%). However, the differences found between the two preschooler groups were not statistically significant (all p>0.05). The proportion of children who failed each of the screening criteria for distance vision, near vision, and stereopsis was similar between KEMAS and private preschools. Therefore, an universally inclusive vision screening programme should be conducted for all preschool types to detect, diagnose, treat, and potentially prevent any visual impairment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,430

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,350
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & healthMême sujetSpatial Cognition and NavigationTravaux en français237 207