Functional vision disorder: a review of diagnosis, management and costs
Notice bibliographique
Résumé
Functional vision disorder (FVD) is a relatively common diagnosis in ophthalmic practice which can be difficult to make because of clinician's apprehension to miss organic pathology. We review the diagnostic approach to patients with FVD, organic mimics of FVD, its diagnostic and management strategies and associated cost burden. Patients with FVD typically present with visual acuity and/or field loss. Diagnostic work-up should include patient observation, detailed history, pupillary examination, dilated ophthalmoscopy, visual field testing and ganglion cell analysis of the macular complex. Most common organic mimickers of FVD are amblyopia, cortical blindness, retrobulbar optic neuritis, cone dystrophy and chiasmal tumours; however, all could be ruled out by structured diagnostic approach. For patients with unilateral visual loss, bottom-up refraction, fogging of the well-seeing eye in the phoropter, convex lens and base-down prism tests could aid in diagnosis. For patients claiming binocular vision loss, checking for eye movement during the mirror test or nystagmus elicited by an optokinetic drum can be helpful. Effective management of FVD involves reassurance, stress reduction and, if agreed on, management of comorbid anxiety and/or depression. The social cost of FVD is predominately economic as patients typically meet several healthcare providers over multiple visits and often undergo several neuroimaging studies before neuro-ophthalmology referral. Further, inappropriate granting of disability benefits confers additional stigma to patients with organic vision loss.
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) | 0,002 | 0,001 |
| 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) | 0,001 | 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 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 ».