Innovative vision rehabilitation method for epiretinal membrane: Enhancing visual functions through Biofeedback Training
Notice bibliographique
Résumé
Purpose: To report a case with epiretinal membrane (ERM) treated with audio-luminous Biofeedback training (BT) which resulted in improvement of monocular and binocular visual functions. Observations: We report a case of ERM with distance Best Corrected Visual Acuity (BCVA) of 20/40 in the right dominant eye, and 20/20 in the left eye. The main symptom was binocular blurry vision, and the patient did not desire to pursue posterior vitrectomy due to its risks. Using a 10-2 microperimetry test with the MAIA Microperimeter, it was possible to identify an inferior paracentral relative scotoma in the right eye with splitting fixation. The right eye was trained with five 20-minute sessions with Biofeedback training towards a trained retinal locus (TRL) with better retinal sensitivity and 1.46° superior and temporal to the current preferred retinal locus (PRL). After training, the patient reported total improvement of symptoms, and BCVA was 20/25 in the right eye and 20/20 in the left eye. Conclusions and importance: Biofeedback training is a valuable treatment with no known adverse effects that can be performed as an alternative to patients with ERM with no surgical indication and debilitating symptoms, or as a post-surgery adjuvant treatment.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».