Cataract surgical coverage and outcome in the Tibet Autonomous Region of China
Notice bibliographique
Résumé
BACKGROUND: A recently published, population based survey of the Tibet Autonomous Region (TAR) of China reported on low vision, blindness, and blinding conditions. This paper presents detailed findings from that survey regarding cataract, including prevalence, cataract surgical coverage, surgical outcome, and barriers to use of services. METHODS: The Tibet Eye Care Assessment (TECA) was a prevalence survey of people from randomly selected households from three of the seven provinces of the TAR (Lhoka, Nakchu, and Lingzhr), representing its three main environmental regions. The survey, conducted in 1999 and 2000, assessed visual acuity, cause of vision loss, and eye care services. RESULTS: Among the 15,900 people enumerated, 12,644 were examined (79.6%). Cataract prevalence was 5.2% and 13.8%, for the total population, and those over age 50, respectively. Cataract surgical coverage (vision <6/60) for people age 50 and older (85-90% of cataract blind) was 56% overall, 70% for men and 47% for women. The most common barriers to use of cataract surgical services were distance and cost. In the 216 eyes with cataract surgery, 60% were aphakic and 40% were pseudophakic. Pseudophakic surgery left 19% of eyes blind (<6/60) and an additional 20% of eyes with poor vision (6/24-6/60). Aphakic surgery left 24% of eyes blind and an additional 21% of eyes with poor vision. Even though more women remained blind than men, 28% versus 18% respectively, the different was not statistically significant (p = 0.25). CONCLUSIONS: Cataract surgical coverage was remarkably high despite the difficulty of providing services to such an isolated and sparse population. Cataract surgical outcome was poor for both aphakic and pseudophakic surgery. Two main priorities are improving cataract surgical quality and cataract surgical coverage, particularly for women.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».