Validation of a portable, remotely delivered refraction approach compared to standard in-clinic refraction in a low-vision population
Notice bibliographique
Résumé
INTRODUCTION: A low-vision assessment (LVA) is critical in developing a vision rehabilitation plan. A remotely delivered LVA that replicates a standard in-clinic assessment may bridge the gap for patients not accessing care due to the limited quantity and distribution of low-vision providers. Within an LVA, an accurate and consistent assessment of refraction error is an essential component. No system has currently been validated for the purposes of a remote LVA. The purpose of this study was to validate a commercially available portable refraction approach in a low-vision population. METHODS: = 25) underwent a refraction assessment using the Adaptica® 2WIN autorefractor, adaptor scope (Kaleidos) and VisionFit phoropter portable refraction devices, as well as a standard autorefractor (Huvitz) and phoropter (Haag-Streit). Refraction data between systems and populations were compared using intraclass correlations. Bland-Altman plots were used to assess the differences between devices. RESULTS: Spherical equivalent values were found to be reproducible between standard and experimental autorefraction devices (intraclass correlation coefficient (ICC) > 0.8) in both low-vision and normally sighted groups. Similarly, manifest refraction was highly consistent (ICC > 0.8) between devices in all groups. The Bland-Altman plots showed clinically acceptable mean differences of 0.701 between autorefraction methods and -0.116 between manifest refraction methods. DISCUSSION: The 2WIN/VisionFit system can reliably generate refraction values across a spectrum of errors in normally sighted and visually impaired people, and would be feasible to deliver remotely.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».