Democratizing Health Care in the Metaverse: How Video Games can Monitor Eye Conditions Using the Vision Performance Index
Notice bibliographique
Résumé
Objective In a world where digital media is deeply engrained into our everyday lives, there lies an opportunity to leverage interactions with technology for health and wellness. The Vision Performance Index (VPI) leverages natural human-technology interaction to evaluate visual function using visual, cognitive and motor psychometric data over five domains: field of view, accuracy, multi-tracking, endurance, and detection. The purpose of this study was to describe a novel method of evaluating holistic visual function through video-game derived VPI score data in patients with specific ocular pathology. Design Prospective comparative analysis Subjects Participants, and/or Controls: Patients with dry eye disease, glaucoma, cataract, diabetic retinopathy (DR), age-related macular degeneration (AMD), and healthy individuals. Methods The Vizzario Inc software development kit was integrated into two video-game applications, Balloon Pop and Picture Perfect, which allowed for generation of VPI scores. Study participants were instructed to play rounds of each video game, from which a VPI score was compiled. Main Outcome Measures The primary outcome was VPI overall score in each comparison group. VPI component and subcomponent scores, and VPI psychophysical inputs, were also compared. Results VPI scores were generated from 93 patients with macular degeneration (n=10), cataract (n=10), diabetic retinopathy (n=15), dry eye (n=15), glaucoma (n=16), and no ocular disease (n=27). VPI overall score was not significantly different across comparison groups. VPI subcomponent ‘reaction accuracy' score was significantly greater in DR patients (106 ± 13.2) versus controls (96.9 ± 11.5), p=0.0220. VPI subcomponent ‘colour detection' score was significantly lower in patients with DR (96.8 ± 2.5; p=0.0217) and glaucoma (98.5 ± 6.3; p=0.0093) compared to controls (101 ± 11; p=0.0198). Psychophysical measures were statistically significantly different from controls: proportion correct (lower in DR, AMD), contrast errors (higher in cataract, DR), and saturation errors (higher in dry eye). Conclusions VPI scores can be generated from interactions of an ocular disease population with videogames. The VPI may offer utility in monitoring select ocular diseases through evaluation of subcomponent and psychophysical input scores, however future, larger scale studies must evaluate the validity of this tool.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».