Factors predicting regression of visual acuity following successful treatment of anisometropic amblyopia
Notice bibliographique
Résumé
Objective: To identify factors associated with visual acuity regression following successful treatment of anisometropic amblyopia. Design and method: This was a retrospective cohort study. Database records for 100 and 61 children with anisometropic amblyopia who met at least one criterion for successful treatment proposed by the Pediatric Eye Disease Investigator Group (PEDIG) and had at least 1 year of follow-up data available after the criterion was met were analyzed. The study sample was split into two groups, those who regressed within 1 year of successful treatment (no longer met any of the PEDIG criteria for successful treatment) and those who did not. A two-step analysis involving a least absolute shrinkage and selection operator (LASSO) regression and a logistic regression were used to identify predictor variables for increased risk of regression. A broad range of clinical, perceptual, and demographic variables were included in the analyses. Results: Sixty-eight (42.5%) children regressed within 1 year of successful treatment. Among the 27 predictor variables considered within the statistical modeling process, the three most important for predicting treatment regression were the extent of amblyopic eye visual acuity improvement, age at first hospital visit and sex. Specifically, lower risk of regression was associated with larger amblyopic eye visual acuity improvement with treatment, younger age at initiation of treatment and female sex. Conclusion: Patients who received treatment at a younger age and responded well to treatment had a lower risk of treatment regression. This pattern of results suggests that early detection of amblyopia and strategies that enhance treatment adherence may reduce the risk of treatment regression. The higher risk of regression in boys than girls that we observed may reflect known sex differences in brain development and /or sex differences in environment within our sample of children from South China.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».