Visual Difficulty and Employment Status in the World
Notice bibliographique
Résumé
PURPOSE: Using a world-wide, population-based dataset, we sought to examine the relationship between visual difficulty and employment status. METHODS: The World Health Survey was conducted in 70 countries throughout the world in 2003 using a random, multi-stage, stratified, cluster sampling design. Far vision was assessed by asking about the level of difficulty in seeing and recognizing a person you know across the road (i.e. from a distance of about 20 meters). Responses included none, mild, moderate, severe, or extreme/unable. Participants were asked about their current job, and if they were not working, the reason why (unable to find job, ill health, homemaker, studies, unpaid work, other). The occupation in the last 12 months was obtained. Multinomial regression was used accounting for the complex survey design. RESULTS: Of those who wanted to work, 79% of those with severe visual difficulty and 64% of those with extreme visual difficulty were actually working. People who had moderate, severe, or extreme visual difficulty had a higher odds of not working due to an inability to find a job and of not working due to ill health after adjusting for demographic and health factors (P<0.05). CONCLUSIONS: As the major causes of visual impairment in the world are uncorrected refractive error and cataract, countries are losing a great deal of labor productivity by failing to provide for the vision health needs of their citizens and failing to help them integrate into the workforce.
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 ».