Automated vision screening of children using a mobile graphic device
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: Can measuring interocular brightness disparity, acuity, and colour vision classify children with amblyopia? SUBJECTS/METHODS: Two hundred eight subjects (3-14 years) were recruited for a prospective, observational protocol to measure interocular brightness disparity, uniocular acuities with and without a pinhole, and colour vision using an iPad. Subjects looked through polarizing filters and chose the brighter of two spaceships to measure interocular brightness disparity. The differential brightness of image pairs was varied through a staircase algorithm until equal brightness was perceived. Acuities and colour vision were tested with tumbling Es and AO-HRR colour plates, respectively. Unilateral amblyopia was later confirmed in two subjects. RESULTS: Binocular brightness balance on the iPad detected amblyopes with 100% sensitivity and specificity. Using 20/30 as cutoff for normal acuity, 1 of the amblyopes was detected, and non-amblyopes were excluded by visual acuity pinhole testing. The mean difference between iPad and E-Chart visual acuities with pinhole was 0.02 logMAR with limits of agreement from -0.08 to +0.11 logMAR. iPad and printed plates Colour vision testing produced identical results. Testing times were brief and exit pleasure responses were positive. Mean and range testing times for Brightness Sense, Colour vision, and Visual Acuity were 32.7 s (range = 12-63 s), 52.8 min (range = 17-95 s), and 88.75 s (range = 41-188 s), respectively. CONCLUSIONS: Interocular brightness disparity, acuity, and colour vision can be measured in children as young as 3 years old solely through playing a game on a mobile device. Interocular brightness disparity is a sensitive and specific method to detect unilateral amblyopia.
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 | 0,000 | 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 ».