Visual and Ocular Characteristics of Anisometropic Children
Notice bibliographique
Résumé
Purpose: To compare the demographic and ocular characteristics of patients with low and high levels of anisometropia compared with non-anisometropic individuals. Methods: This cross-sectional study was conducted on 1803 individuals (age range, 1 to 30 years) examined at strabismus clinics between January 2019 and December 2020. Of these, 203 subjects had anisometropia (11.2%); 66 cases were excluded due to the history of prior ocular surgery except from strabismus surgery. Finally, data from 137 subjects were analyzed. Spherical or cylindrical differences of 1.50 or 3.00D between the two eyes were defined as low or high anisometropia, respectively, and isometropic subjects (n = 1600) served as controls. Results: No significant difference was observed between cases and controls regarding age (10.25 ± 8.41 vs. 9.2 ± 1.7 years; P = 0.133) and sex (P = 0.051). History of ocular surgery was present in 33% of anisometropic patients versus 0.8 % of isometropic cases. The rate of amblyopia was 83% and 2.3% in anisometropic and non-anisometropic groups, respectively. Best corrected visual acuity (BCVA) was comparable in amblyopic eyes in both study groups, while BCVA of nonamblyopic eyes of non-anisometropic subjects was better (non-anisometropic: 0.01 ± 0.01 vs. anisometropic: 0.06 ± 0.17 LogMAR; P = 0.001). Eye deviation was significantly more prevalent among anisometropic patients (36.5% vs. 3.25%, P < 0.001) and exotropia was the common type of deviation. Anisohyperopia and anisomyopia were the most common refractive errors under low and high anisometropia categories, respectively. Simultaneous manifestation of amblyopia and strabismus were observed in 30.6% of anisometropic cases, while only 0.7% of subjects with isometropia had a similar status (P < 0.001). Conclusion: High rates of amblyopia and strabismus in anisometropic subjects, especially with higher degrees of anomaly, indicate the necessity of early visual acuity and refractive error screening to improve detection and enhance the outcomes of 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».