Validation of the visual acuity iPad app Eye Chart Pro compared to the standard Early Treatment Diabetic Retinopathy Study chart in a low-vision population
Notice bibliographique
Résumé
Introduction A low-vision assessment (LVA) is central to developing a vision rehabilitation plan. However, access to LVAs is often limited by the quantity and geographic distribution of low-vision providers, as well as patient-centred transportation challenges. A tablet-based LVA tool kit, delivered virtually, has the potential to overcome many of these barriers. The purpose of this research was to validate a key component of the tablet-based tool kit – a commercially available iPad visual acuity (VA) test (Eye Chart Pro) iPad app – in a low-vision population. Methods Participants with low vision ( n = 26) and those who were normally sighted ( n = 25) underwent VA testing with both the iPad VA test application and the Early Treatment Diabetic Retinopathy Study (ETDRS) chart. The VA data were compared using a t-test, linear regression and Bland–Altman analysis. Results There was no significant difference in the mean absolute difference in VA (log of minimum angle of resolution (logMAR)=0.11; p = 0.82). Eye Chart Pro and Standard ETDRS Chart measures were also not significantly different ( p = 0.98). However, there were significant differences between test methods in the low-vision group and the normally sighted group ( p > 0.0001 and p = 0.007, respectively). The Bland–Altman analysis showed a mean bias (difference) of –0.0005 logMAR between methods, and 95% limits of agreement of 0.298 and –0.299 logMAR. Discussion The ETDRS chart function on the Eye Chart Pro application can reliably measure VA across a range, from normally sighted patients to those with low vision.
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) | 0,001 | 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 ».