Transformative Gamified Binocular Therapy for Unilateral Amblyopia in Young Children: Pilot Prospective Efficacy and Safety Study
Notice bibliographique
Résumé
Background: Amblyopia is a common cause of visual impairment in children. Compliance with traditional treatments for amblyopia is challenging due to negative psychosocial impacts. Recent shifts in amblyopia treatment have moved from suppressing the dominant eye to enhancing binocular visual function. Binocular digital therapy has become a promising approach. Objective: The aim of this study was to evaluate the effects of binocular gamified digital therapy on visual acuity and stereoacuity (SA) in children with unilateral amblyopia. Methods: This pilot prospective study enrolled 11 children aged 4-6 years with unilateral amblyopia. Following at least 8 weeks of refractive correction, participants underwent binocular gamified digital therapy for 60 minutes per day, 5 days a week. The therapy used a roguelike shooting game delivered under binocular conditions through two independent channels with a real-time artificial intelligence visual engine. Assessments of distance visual acuity (DVA), near visual acuity (NVA), and SA were conducted at baseline and again at 4, 8, and 12 weeks. Results: At 12 weeks, the following significant improvements were noted: amblyopic eye DVA improved by 1.0 line (P=.01; d=0.77), binocular DVA improved by 0.7 lines (P=.006; d=1.00), and SA improved by 0.3 logarithm (log) arcseconds (P=.01; d=0.97). At 8 weeks, improvements included amblyopic eye DVA by 0.9 lines (P=.046; d=1.00) and SA by 0.28 log arcseconds (P=.02; d=0.90). No significant adverse events were observed, although one participant developed progressive esotropia. Conclusions: Binocular gamified digital therapy is effective and safe for improving visual outcomes in children aged 4-6 years with unilateral amblyopia.
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) | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».