MétaCan
Menu
Retour à la cohorte
Enregistrement W4408175764 · doi:10.31357/ait.v4i02.8022

Web-Based Visual Acuity Testing under Low-Resource Settings

2025· article· en· W4408175764 sur OpenAlexaff
Ishanka Divanjana, Binura Wickramanayake, Deelaka Naotunna, Nalaka Lankasena, H.S.W.A. Liyanage

Notice bibliographique

RevueAdvances in Technology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGaze Tracking and Assistive Technology
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVisual acuityWeb applicationResource (disambiguation)Web resourceWorld Wide WebOptometryMedicineOphthalmology

Résumé

récupéré en direct d'OpenAlex

Conventional eye examination tests are available to diagnose visual acuity; however, most of those cannot be performed in low-resource settings and require more money and technical resources. In this study, a novel web solution was developed to replace the traditional Snellen chart method for visual acuity. Numerous technologies pertinent to optimization under low-resource settings were thoroughly examined and integrated throughout the development process, encompassing web frameworks, database management systems, voice recording algorithms, and user interface design. CodeIgniter was used as the framework of this developed system. After conducting tests with real users and obtaining results, a statistical analysis based on the test results was performed. Thirty-four volunteers participated in detecting a logMAR difference of 0.1 between the manual Snellen chart testing and web-based application, assuming a paired t-test, a standard deviation of 0.2 (estimated from previous studies), 2-sided alpha (α) of 0.05, and 80% power. The observations were independent, and the variables were normally distributed. Confidence interval limits were reported for 95%, with the standard deviation ± 1.96 from the mean, ± 0.2 logMAR. A vital feature of the system is its capability to perform a 10-ft and 20-ft eye test based on distance. The application scales the Snellen characters according to the test distance without affecting accuracy. Other unique features include automatic voice recording, automatic Snellen level change and character scaling, storing previous readings for future evaluations, and comparing them with current readings. The accuracy of the eyes, as well as their errors, are displayed to users according to international standards. Our web application produced results almost identical to those of the manual Snellen procedure, even under low resource settings, when compared to the manual Snellen procedure

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,701
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,285
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in TechnologyMême sujetGaze Tracking and Assistive TechnologyTravaux en français237 207