Letter Distortion Mapping in Amblyopia: Spatial Patterns, Stability, and Relationship to Visual Acuity
Notice bibliographique
Résumé
Purpose: To investigate whether letter-based perceptual distortions in amblyopia follow spatially consistent patterns across different letters and to determine if these spatial distortion maps are letter specific or reflect a common underlying spatial organization of visual distortion in the amblyopic eye. Methods: Twenty-one individuals with amblyopia completed a distortion mapping task using the letters A, D, and E, shown at 36 visual field locations. Each letter was first viewed with the fellow eye and then with the amblyopic eye. Participants reported distortions, which were recorded to generate binary spatial maps. The task was repeated over three sessions to assess within-subject consistency, and spatial correlations were analyzed across letters and subjects. Results: Letter distortions were reported by 95% of participants and remained consistent across sessions. Within subjects, spatial distortion maps were significantly correlated across letters in 62% of cases (P ≤ 0.028), suggesting shared spatial patterns. However, across subjects, maps were largely uncorrelated, indicating individualized distortion profiles. No single letter consistently showed more distortion across the group, χ2(2) = 1.279, P = 0.5. A strong positive correlation was found between interocular visual acuity difference and overall distortion intensity (r = 0.70, P < 0.001), consistent across all letters. Conclusions: Letter distortions in amblyopia are highly prevalent, reliable, and spatially organized within individuals but idiosyncratic across subjects. These distortions correlate strongly with visual acuity loss, highlighting their potential as a clinically valuable and perceptually relevant measure for characterizing amblyopic visual dysfunction.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,003 |
| 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 ».