Summary
本研究展示了一种通过眼镜矫正准确检查近视受试者动态视力（DVA）的方法。进一步的分析表明，屈光状态越接近屈光不正，眼镜矫正双眼DVA在每秒40度和80度时的效果越好。
Abstract
目前的临床视觉评估主要集中在静态视觉上。然而，静态视觉可能无法充分反映现实生活中的视觉功能，因为每天经常观察到移动的视型。动态视敏度（DVA）可以更好地反映现实生活中的情况，尤其是当物体高速移动时。近视影响静态未矫正远视力，方便戴眼镜矫正。然而，由于周边散焦和棱镜效应，眼镜矫正可能会影响DVA。本研究展示了近视患者眼镜矫正DVA的标准检测方法，旨在探讨眼镜矫正对DVA的影响。
最初，进行标准的主观屈光以提供眼镜处方以矫正屈光不正。然后，使用物体移动DVA协议检查双目远视力矫正DVA。软件旨在根据屏幕上的预设速度和尺寸显示移动视像。视型是标准的对数视觉图表字母E，在测试过程中从左侧中间水平移动到右侧。将显示具有每种尺寸的随机打开方向的移动视型。要求受试者识别视型的开放方向，DVA定义为受试者可以识别的最小视型，根据对数视敏度算法计算。
然后，该方法应用于181名眼镜矫正至正常静态视力的年轻近视受试者。检查优势眼、睫状麻痹主观屈光（球体和圆柱体）、调节函数（负和正相对调节、双眼交叉圆柱）以及每秒 40 度和 80 度 （dps） 的双眼 DVA。结果表明，随着年龄的增长，DVA先升高后降低。当用眼镜完全矫正近视时，更差的双眼DVA与更显着的近视屈光不正有关。优势眼、调节功能和双眼DVA之间没有相关性。
Introduction
目前的视觉评估主要集中在静态视觉上，包括静态视力（SVA）、视野和对比敏感度。在日常生活中，物体或观察者经常处于运动状态，而不是静止不动。因此，SVA可能无法充分反映日常生活中的视觉功能，尤其是当物体高速移动时，例如在运动和驾驶过程中1。DVA定义了识别移动视型1，2细节的能力，这可能更好地反映现实生活中的情况，并且对视觉障碍和改善更敏感3，4。此外，由于主要位于周边视网膜的巨细胞（M）神经节细胞主要传输高时间频率信号，DVA可能与SVA5，6不同地反射视觉信号传输。DVA测试（DVAT）主要可分为两种类型：静态和运动物体DVAT。静态物体DVAT显示前庭眼反射7，8，9，10，而移动物体DVAT通常用于临床眼科，以检测识别运动目标的视力3，4。
近几十年来，近视患病率迅速上升，特别是在亚洲国家11。近视对静态未矫正远视力有重要影响，可以用各种镜片矫正。眼镜主要用于近视患者，因为可及性和便利性。然而，眼镜，尤其是高度近视镜片，具有明显的周边散焦和棱镜效应，导致通过周边区域12，13，14，15观察到不清晰和歪斜的图像。对于静态视型，受试者通常使用眼镜的中心区域，以获得清晰的视力。然而，移动的目标很容易移出眼镜的最清晰点。因此，通过眼镜矫正，近视受试者的SVA可能正常并受到影响DVA。然而，尚未进行任何研究来调查近视屈光度对戴眼镜人群DVA的影响。
本研究展示了一种检查眼镜矫正近视患者DVA的方法，旨在探讨近视屈光度对眼镜矫正患者移动物体双眼DVA的影响。该研究为准确解释临床眼科DVAT提供了基础，考虑了眼镜的影响和矫正近视对运动相关活动影响的证据。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
本研究纳入了北京大学第三医院眼科的连续近视患者。该研究方案由北京大学第三医院伦理委员会批准，并获得了每位参与者的知情同意。
1. 患者准备
- 使用以下初始纳入标准来招募受试者：17-45 岁的近视受试者。
- 使用以下排除标准：任何显著影响矫正远视力 （CDVA） 的眼部疾病史，包括角膜炎、青光眼、白内障、视网膜和黄斑疾病。评估未矫正的远视力（使用标准对数 VA 图）、优势眼、眼内压、裂隙灯、角膜地形图、眼底摄影、自动计算机验光、睫状肌麻痹主观屈光和 CDVA。排除圆锥角膜、角膜混浊或视网膜异常的参与者，包括视网膜破裂、视网膜血管炎症、先天性视网膜和黄斑疾病或单眼 CDVA 比零（基于标准对数 VA 图）。
- 设置 DVA 测试组件，包括测试距离、环境、硬件、软件、移动模式和规则，如下所示：
- 对于测试距离和环境，根据屏幕的大小和检查要求设置测试距离。
注意：在这里，DVA在一个安静明亮的房间（亮度15-30勒克斯）中评估为2.5米。 - 对于硬件，请向光学型提供 24 英寸平面内切换 （IPS） 或扭曲向列 （TN） 屏幕（刷新率，60 至 144 Hz;响应速率小于 5 毫秒）。
- 确保软件设计为根据预设的速度和大小显示视型。使用动态视型作为字母E，根据标准对数视觉图表设计，具有四个打开方向：上，左，下和右。确保在测试距离处显示的运动视型的可视角度等于标准对数视觉图表中十进制大小的视型。将字母 E 的颜色设置为黑色，背景为白色。表示每秒视角变化时的运动速度。
- 移动模式：在测试过程中，确保具有特定尺寸和速度的视像出现在屏幕左侧的中间，水平移动到右侧，然后消失。
- 测试规则：要求受试者识别视觉目标的打开方向。以受试者可以识别的一定速度测试最小视觉目标。
- 对于测试距离和环境，根据屏幕的大小和检查要求设置测试距离。
2.主观屈光
注意：主观睫状麻痹屈光的结果是眼镜处方的基础，以矫正近视受试者的屈光不正。
- 执行自动计算机验光作为主观睫状麻痹屈光的主要数据并测量瞳距。
- 一次检查一只眼睛并遮挡另一只眼睛。
- 首先，达到最大正到最大视力：使用+0.75 - +1.0 D镜片雾化，诱导0.3-0.5（十进制视力）的视力。接下来，以 0.25 D 的步长逐渐减少正透镜。使用兰开斯特红绿色测试来调整准确的球形屈光度。如果患者报告在红色/绿色背景下看到的字母更清晰，请添加更多阴性/阳性镜片。
注意：在上述步骤之后获得初级球形屈光度。
- 首先，达到最大正到最大视力：使用+0.75 - +1.0 D镜片雾化，诱导0.3-0.5（十进制视力）的视力。接下来，以 0.25 D 的步长逐渐减少正透镜。使用兰开斯特红绿色测试来调整准确的球形屈光度。如果患者报告在红色/绿色背景下看到的字母更清晰，请添加更多阴性/阳性镜片。
- 细化圆柱轴。
- 将杰克逊十字圆柱装置放在“轴”位置，使拇指轮的连接线平行于散光轴。旋转指轮并要求拍摄对象比较两侧之间的清晰度。将圆柱轴转向侧面十字圆柱上的红点，视野更清晰。重复二进制比较，直到端点。
- 细化气缸功率。
- 转动杰克逊十字圆柱装置，使指轮的连接线与散光轴成 45°。旋转拇指轮，要求受试者比较两侧之间的清晰度。如果患者报告十字圆柱体红/白点连接线沿圆柱轴线的位置更清晰，请分别添加负/正透镜。重复二进制比较，直到端点。
- 对于第二个最大值加上最大视力，重复兰开斯特红绿色测试以调整准确的球形屈光度。
- 为了保持双眼平衡，在一只眼睛前应用6Δ的垂直棱镜以分离双眼视觉。平衡两只眼睛之间视型的清晰度。
3. 动态视力测试
注意：在本研究中，DVA是用眼镜完全矫正的双眼测量的屈光不正。
- 测试设置
- 根据要求调整测试距离。调整座位，使拍摄对象的视线处于屏幕的中点水平。确保受试者戴上双目远视力矫正眼镜。
- 测试参数配置
- 设置视型移动速度和初始视型大小。
- 对于预测试，显示五种具有随机打开方向的视型，以引导受试者了解测试模式。
- 正式测试
- 从比最佳矫正距离视力大 3-4 线的大小开始测试。显示具有随机打开方向的视型。
- 要求受试者确定移动视型的打开方向。在受试者的回答之后呈现下一个视型。为特定尺寸提供八种光学型。如果正确识别了八种视型中的五种，请将视型调整为小一号。重复上述步骤，直到获得受试者可以识别少于五种光型的大小。
- 记录受试者可以识别的最小尺寸（A，十进制 VA）（八种光型中有五种被正确识别）和比 A 小一个尺寸识别的光型数量 （b）。
- DVA 计算
- 为每个尺寸提供八种视型，以便每个识别的视型获得 0.1/8 的视力。根据对数视敏度算法计算DVA，如方程（1）所示;有关 A 和 B 的说明，请参阅步骤 3.5：
（1）
注意：在本研究中，按顺序检查了40和80 dps的光型。以前的研究报告称，人们在观察以30-60 dps移动的动态物体时可以应用平滑追踪，而观察移动速度超过60 dps的物体涉及头部运动和扫视16，17。因此，选择了 40 和 80 dps 两种运动速度。
- 为每个尺寸提供八种视型，以便每个识别的视型获得 0.1/8 的视力。根据对数视敏度算法计算DVA，如方程（1）所示;有关 A 和 B 的说明，请参阅步骤 3.5：
（1）Subscription Required. Please recommend JoVE to your librarian.
Representative Results
科目考试
对于入组受试者，按上述顺序检查了调节函数，包括负相对调节（NRA），调节反应（双眼交叉圆柱（BCC））和正相对调节（PRA）。使用基于主观屈光的远距离视力矫正眼镜测试40 dps和80 dps的双眼DVA。
统计分析
使用科学的统计软件进行统计分析。连续变量的描述性统计量报告为平均值和标准差，并对分类变量应用数字和比例。双眼差异（OD/OS）是右眼和左眼差异的绝对值，双眼差异（D/ND）计算为非优势眼的值减去优势眼的值。
使用配对 t检验比较40 dps和80 dps下的DVA。曲线估计，包括线性、二次和立方模型，用于拟合DVA与年龄之间的相关性。为了分析潜在的影响因素，建立了线性混合模型，拟合DVA作为因变量，并在受试者水平上包含随机效应。首先，应用单因子线性混合模型，根据变量类型将每个变量的效应估计为协变或因子;测试了以下变量作为DVA的潜在影响因素：折射参数，包括单眼和平均双眼球;圆柱和球面当量（SE）;以及双目球面差异的绝对值;气缸和SE;显性眼参数，包括优势眼球和非显性眼球;气缸和SE;以及显性和非显性眼图和调节函数参数（包括 NRA、BCC 和 PRA）之间的球体、圆柱体和 SE 差异。
其次，建立一个多因子线性混合模型，在一个模型中包含多个潜在的影响因素。在准备步骤中，使用包含的变量进行了共线性分析。方差膨胀因子大于 10 表示多重共线性。根据临床意义排除冗余变量。根据所使用的影响因素，拟合了两种不同的模型：全眼模型和显眼模型。对于完整模型，包括以下变量：年龄;性;调节函数参数（NRA、BCC 和 PRA）;在预备共线性分析后，平均双眼SE和双目圆柱体、优势眼、优势眼圆柱体以及优势眼和非优势眼之间圆柱体和SE差异的绝对值。对于显眼模型，仅显眼参数作为影响因素包括在内。P < 0.05 表示差异显著。
纳入受试者的人口统计学和主要临床数据如 表1所示。本研究共纳入181名受试者，平均年龄27.1±6.3岁，男性占受试者的37.6%。右眼是60.2%受试者的主导眼。平均双目球体和圆柱体分别为-5.26±2.06 D和-0.99±0.82 D。双目球体和圆柱体差值的绝对值分别为0.85±0.91 D和0.39±0.34 D。
DVA在40和80 dps时的累积LogMAR视力和直方图如图1所示。累积结果表明，75%的受试者在40 dps和62%的80 dps DVA下拥有优于0.2 LogMAR DVA。双眼DVA优于0.1 logMAR 40 dps的受试者百分比为22%，对于80 dps，该百分比为12%。40 dps和80 dps时的平均双目DVA值分别为0.161±0.072和0.189±0.076，40 dps DVA显著优于80 dps DVA（P < 0.001）。
DVA和年龄之间的曲线估计结果如图2所示。将年龄DVA拟合为40 dps，具有二次曲线（R 2 = 0.38，P = 0.031） 和立方曲线（R 2 = 0.38，P = 0.030），但未拟合线性模型（R 2 = 0.21，P = 0.051）， 可获得显著结果。对于 80 dps DVA，所有线性 （R 2 = 0.24， P = 0.035）、二次曲线 （R 2 = 0.43， P = 0.019） 和立方曲线 （R 2 = 0.43， P = 0.020） 都可以适当拟合年龄-DVA 散点图。
图3 显示了单因素线性混合模型中每个潜在影响因子对40和80 dps DVA的影响，统计结果总结在表 2 和 表3中。较大的右眼球（估计，-0.012）、左（估计，-0.010）、主导（估计，-0.010）和非优势（估计，-0.010）眼球;较大的右眼（估计，-0.012）、左（估计，-0.010）、显性（估计，-0.010）和非优势（估计，-0.010）眼睛SE;较大的平均双眼球（估计值，-0.012）和标准误差（估计值，-0.012）是40 dps DVA（P < 0.001）的显著负影响因素。对于 80 dps 的 DVA，较大的单眼球和 SE（估计，右眼、左眼、显性眼和非优势眼分别为 -0.012、-0.010、-0.010、-0.010; P <每个变量为 0.001），左眼圆柱体较大（估计值为 -0.013; P = 0.04），较大的非优势眼筒（估计，-0.016; P = 0.01），优势眼和非优势眼之间的双眼圆柱体差异较小（估计，0.027; P = 0.015），平均双目球体较大（估计，-0.012; P < 0.001）和 SE（估计值，-0.012; P < 0.001）是显著的负影响因素。调节函数参数，包括NRA、BCC和PRA，对40或80 dps DVA均无显著影响因子。
图 4 说明了因子和协变量对 40 和 80 dps DVA 的全变量线性混合模型的影响，结果总结在 表 4 中。当使用40 dps DVA测量变异性时，只有较大的双眼平均标准误差（估计值，-0.012;95%CI，-0.017至-0.006; P < 0.001）是显著的负影响因子。较大的平均双眼标准误差（估计值，-0.011;95% CI，-0.016 至 -0.005; P < 0.001）和年龄较大（估计，0.002;95% CI，0.00002 至 -0.004; P < 0.048）是80 dps DVA的显著负影响因子。
图 5 显示了因子和协变量对显眼多因子线性混合模型的影响，结果总结在 表 5 中。在主眼模型中选择的变量包括优势眼、优势眼SE、优势眼圆柱体、双眼圆柱体以及基于共线性分析的优势眼和非优势眼之间的SE差异。当使用40和80 dps DVA测量变异性时，只有较大的显性眼SE（估计，-0.010;95%CI，-0.015至-0.005; P < 0.001（40 dps和80 dps分析）是显著的负影响因子。
图1：动态视力分布。 （A） 40 dps时DVA的直方图;（B） 80 dps时DVA直方图;（C） DVA在40和80 dps H时的累积百分比。 缩写：DVA =动态视力;DPS = 度/秒。 请点击此处查看此图的大图。
图 2：散点图和拟合曲线，显示年龄和 DVA 之间的曲线估计。 （A） 40 dps DVA 的线性模型;（B） 40 dps DVA 的二次模型;（C） 40 dps DVA 的立方模型;（D） 80 dps DVA的线性模型;（E） 80 dps DVA的二次模型;（F） 用于 80 dps DVA 的立方模型。缩写：DVA = 动态视力;DPS = 度/秒。请点击此处查看此图的大图。
图 3：显示单因子模型的森林图。中央短杆表示估计值;条形表示 95% 置信区间。*双眼差异（OD/OS）是右眼和左眼差异的绝对值。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：BCC = 双目十字圆柱体;NRA = 负相对调节;PRA = 正相对调节;SE = 球形等效。请点击此处查看此图的大图。
图 4：显示完整模型的森林图。中央短杆表示估计值;条形表示 95% 置信区间。*双眼差异（OD/OS）是右眼和左眼差异的绝对值。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：BCC = 双目十字圆柱体;NRA = 负相对调节;PRA = 正相对调节;SE = 球形等效。请点击此处查看此图的大图。
图 5：显示主眼模型的森林图。中央短杆表示估计值;条形表示 95% 置信区间。*双眼差异（OD/OS）是右眼和左眼差异的绝对值。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：BCC = 双目十字圆柱体;NRA = 负相对调节;PRA = 正相对调节;SE = 球形等效。请点击此处查看此图的大图。
表1：研究人群的人口统计学和主要临床数据。 显示了研究人群的人口统计数据、折射参数、优势眼参数和调节函数。*双眼差异（OD/OS）是右眼和左眼差异的绝对值。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：DVA = 动态视力;dps = 度/秒;BCC = 双目交叉圆柱体;NRA = 负相对调节;PRA = 正相对调节;SE = 球形等效。 请按此下载此表格。
表2：40 dps DVA变异性的单因素线性混合模型的结果。 以40 dps的DVA作为因变量证明了线性混合模型的统计结果。折射、优势眼和调节函数参数用作自变量。*双眼差异（OD/OS）是右眼和左眼差异的绝对值。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：DVA = 动态视力;dps = 度/秒;BCC = 双目交叉圆柱体;NRA = 负相对调节;PRA = 正相对调节;SE = 球形等效。 请按此下载此表格。
表3：80 dps DVA变异性的单因素线性混合模型的结果。 以80 dps的DVA为因变量，证明了线性混合模型的统计结果。折射、优势眼和调节函数参数用作自变量。*双眼差异（OD/OS）是右眼和左眼差异的绝对值。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：DVA = 动态视力;dps = 度/秒;BCC = 双目交叉圆柱体;NRA = 负相对调节;PRA = 正相对调节;SE = 球形等效。 请按此下载此表格。
表 4：40 和 80 dps DVA 变异性的完整模型结果。 以40或80 dps的DVA作为因变量证明了多因素线性混合模型的统计结果。变量包括年龄、性别、调节函数参数、平均标准误差，以及双眼圆柱体和SE、优势眼、显眼圆柱体差异的绝对值，以及预热线分析后优势眼和非优势眼之间圆柱体和SE的差异。*双眼差异（OD/OS）是右眼和左眼差异的绝对值。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：DVA = 动态视力;dps = 度/秒;BCC = 双目交叉圆柱体;NRA = 负相对调节;PRA = 正相对调节;SE = 球形等效。 请按此下载此表格。
表 5：40 和 80 dps DVA 变异性的显眼模型结果。 以40或80 dps的DVA作为因变量证明了线性混合模型的统计结果。这些变量包括显性眼参数。计算双眼差异（D/ND）#The从优势眼值中减去非优势眼值。缩写：DVA = 动态视力;dps = 度/秒;置信区间 = 置信区间;DVA = 动态视力;SE = 球形等效。 请按此下载此表格。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
DVA是评估视觉功能的一个有希望的指标，可以更好地反映日常生活中的实际视力。近视患者本可以矫正正常的SVA，但他们的DVA可能会受到影响。本研究展示了一种通过眼镜矫正准确检查近视受试者DVA的方法，并分析其与验光参数（包括屈光，调节和优势眼）的相关性。结果表明，40 dps时的DVA优于80 dps时的DVA。屈光状态越接近屈光，眼镜矫正DVA在40和80 dps时越好。DVA和调节功能参数与优势眼之间没有发现相关性。
在本研究中，所有受试者都用眼镜完全矫正了SVA。但是，DVA值因人而异。单因素线性混合模型结果表明，单目和双眼平均球体和SE都是DVA的显著影响因素，这意味着屈光态越接近屈光不正，40和80 dps时的DVA越好。结果表明，屈光不正引起的DVA降低可能难以用眼镜完全矫正。几种机制也许能够解释结果。较大的屈光度眼镜的棱镜效应更强，对物体图像18具有位移效应。稳健的DVA取决于对目标运动轨迹的准确预测，以形成有效的追击和扫视16，17。因此，棱镜效应可能会影响受试者对动态视觉目标运动的预测并影响追击，导致DVA18变差。先前的研究表明，视力正常或屈光不正的网球运动员的DVA没有显着差异，有和没有矫正19。结果的差异可能归因于测试距离的差异。该研究中的DVA测试是在近距离（45厘米）进行的，并且在屈光不正的受试者中，近视力可能没有受到影响。
未来的研究可以进一步应用DVAT期间的眼动追踪工具来记录眼球运动，以证实这一假设。此外，由于周边散焦，眼镜周边区域的视觉清晰度不如中央区域清晰12。在观察移动目标时，物体无法通过中心区域20持续成像。因此，通过旁中心或周边视野的视力不清晰可能会影响DVA。此外，先前的研究表明，近视眼的GC-IPL和视网膜神经纤维层（RNFL）比墨镜眼更薄21，22。RNFL厚度和神经节细胞密度随着近视屈光度的增加而降低22。近视眼神经节细胞密度的降低可能会降低视觉信号传递和管理的功能，导致DVA传导功能下降。
本研究发现，眼镜屈光度影响DVA矫正，屈光度越大，DVA越差。此前的一项研究表明，戴眼镜的人发生交通事故的风险往往更高23，这可能与眼镜周边视力损伤对DVA的影响有关。因此，DVAT可以更好地反映日常生活中的功能视觉，为驾驶安全和运动表现提供信息。由于眼镜屈光度显著影响DVA，对动态视觉有较高要求的高度近视受试者可能会选择用眼镜以外的方法矫正屈光不正，或者进行实质性的职业规划。未来，其他近视矫正方法（包括隐形眼镜和屈光手术）对DVA的影响可以进一步探索，用于基于职业的建议，包括车手和运动员。此外，考虑到年龄和屈光不正矫正对DVA的影响，应根据年龄设置不同的正常值范围，在临床上应用DVAT时应考虑屈光不正屈光度的影响。
本研究存在某些局限性。首先，这项研究仅调查了近视对眼镜矫正患者DVA的影响。其他静态距离视力矫正方法，包括隐形眼镜和手术，也可能影响DVA，这应该在未来进一步研究。其次，在测试中仅应用了单一的光型运动模式。未来需要探索更多的运动方向。可以设计可以改变视野观察深度的DVAT，以更好地反映驾驶等现实生活场景。第三，DVA与眼动追踪有关，包括平滑追踪和扫视。目前的研究缺乏眼动追踪设备的可及性，这对这类研究很有帮助。进一步的研究可以在DVAT期间收集眼动追踪数据，以证实测试期间的眼球运动。第四，与细小细胞（P）神经节细胞相比，大细胞（M）神经节细胞主要传输高时间频率信号，这可能是测试中运动光型可视化的原因，这在未来的研究中还有待探索。
总之，该研究评估并分析了近视受试者双眼DVA的验光影响因素，这些近视受试者的视力被矫正为眼镜正常。结果提供了40和80 dps时DVA的正态值和分布，表明40 dps时的双眼DVA明显优于80 dps。DVA先改善，然后随着年龄的增长而下降。用眼镜矫正SVA时，单眼和双眼球和SE越差，DVA越差。优势眼、调节功能和DVA之间没有发现相关性。本研究为检查眼镜矫正近视患者的DVA提供了一种标准有效的方案，并为临床眼科中更好地解释DVAT提供了基础，并提供了眼镜矫正对运动相关活动影响的证据。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
提交人声明他们没有竞争利益。
Acknowledgments
这项工作得到了北京市自然科学基金（7202229）的支持。
Materials
| Name | Company | Catalog Number | Comments |
| Automatic computer optometry | TOPCON | KR8100 | |
| Corneal topography | OCULUS | Pentacam | |
| Dynamic visual acuity test design software | Mathworks | matlab 2017b | |
| Fundus photography | Optos | Daytona | |
| Matlab | Mathworks | 2017b | |
| Noncontact tonometry | CANON | TX-20 | |
| Phoropter | NIDEK | RT-5100 | |
| scientific statistical software | IBM | SPSS 26.0 | |
| Slit lamp | Koniz | IM 900 |
References
- Nakatsuka, M., et al. Effect of static visual acuity on dynamic visual acuity: a pilot study. Perceptual and Motor Skills. 103 (1), 160-164 (2006).
- Ueda, T., Nawa, Y., Okamoto, M., Hara, Y. Effect of pupil size on dynamic visual acuity. Perceptual and Motor Skills. 104 (1), 267-272 (2007).
- Ao, M., et al. Significant improvement in dynamic visual acuity after cataract surgery: a promising potential parameter for functional vision. PLoS One. 9 (12), 115812 (2014).
- Ren, X., et al. A novel standardized test system to evaluate dynamic visual acuity post trifocal or monofocal intraocular lens implantation: a multicenter study. Eye. 34 (12), 2235-2241 (2020).
- Dacey, D. M., Peterson, B. B., Robinson, F. R., Gamlin, P. D. Fireworks in the primate retina: in vitro photodynamics reveals diverse LGN-projecting ganglion cell types. Neuron. 37 (1), 15-27 (2003).
- Skottun, B. C. A few words on differentiating magno- and parvocellular contributions to vision on the basis of temporal frequency. Neuroscience and Biobehavioral Reviews. 71, 756-760 (2016).
- Janky, K. L., Zuniga, M. G., Ward, B., Carey, J. P., Schubert, M. C. Canal plane dynamic visual acuity in superior canal dehiscence. Otology & Neurotology. 35 (5), 844-849 (2014).
- Gimmon, Y., Schubert, M. C. Vestibular testing-rotary chair and dynamic visual acuity tests. Advances in Oto-Rhino-Laryngology. 82, 39-46 (2019).
- Verbecque, E., et al. Dynamic visual acuity test while walking or running on treadmill: Reliability and normative data. Gait & Posture. 65, 137-142 (2018).
- Verbecque, E., et al. Feasibility of the clinical dynamic visual acuity test in typically developing preschoolers. European Archives of Oto-Rhino-Laryngology. 275 (5), 1343-1348 (2018).
- Morgan, I. G., et al. The epidemics of myopia: Aetiology and prevention. Progress in Retinal and Eye Research. 62, 134-149 (2018).
- Lewerenz, D., Blanco, D., Ratzlaff, C., Zodrow, A. The effect of prism on preferred retinal locus. Clinical and Experimental Optometry. 101 (2), 260-266 (2018).
- Lin, Z., et al. Peripheral defocus with single-vision eyeglass lenses in myopic children. Optometry and Vision Science. 87 (1), 4-9 (2010).
- Backhouse, S., Fox, S., Ibrahim, B., Phillips, J. R. Peripheral refraction in myopia corrected with eyeglasss versus contact lenses. Ophthalmic and Physiological Optics. 32 (4), 294-303 (2012).
- Bakaraju, R. C., Ehrmann, K., Ho, A., Papas, E. B. Pantoscopic tilt in eyeglass-corrected myopia and its effect on peripheral refraction. Ophthalmic and Physiological Optics. 28 (6), 538-549 (2008).
- Hasegawa, T., Yamashita, M., Suzuki, T., Hisa, Y., Wada, Y. Active linear head motion improves dynamic visual acuity in pursuing a high-speed moving object. Experimental Brain Research. 194 (4), 505-516 (2009).
- Meyer, C. H., Lasker, A. G., Robinson, D. A. The upper limit of human smooth pursuit velocity. Vision Research. 25 (4), 561-563 (1985).
- Fogt, N. The negative directional aftereffect associated with adaptation to the prismatic effects of eyeglass lenses. Optometry and Vision Science. 77 (2), 96-101 (2000).
- Chang, S. T., Liu, Y. H., Lee, J. S., See, L. C. Comparing sports vision among three groups of soft tennis adolescent athletes: Normal vision, refractive errors with and without correction. Indian Journal of Ophthalmology. 63 (9), 716-721 (2015).
- Dacey, D. M. Physiology, morphology and spatial densities of identified ganglion cell types in primate retina. Ciba Foundation Symposium. 184, 12-34 (1994).
- Lee, M. W., Nam, K. Y., Park, H. J., Lim, H. B., Kim, J. Y. Longitudinal changes in the ganglion cell-inner plexiform layer thickness in high myopia: a prospective observational study. British Journal of Ophthalmology. 104 (5), 604-609 (2020).
- Seo, S., et al. Ganglion cell-inner plexiform layer and retinal nerve fiber layer thickness according to myopia and optic disc area: a quantitative and three-dimensional analysis. BMC Ophthalmology. 17 (1), 22 (2017).
- Zhang, M., et al. eyeglass wear, and risk of bicycle accidents among rural Chinese secondary school students: the Xichang Pediatric Refractive Error Study report no. 7. Archives of Ophthalmology. 127 (6), 776-783 (2009).
