IMPACT OF VISUAL IMPAIRMENT ON USE OF CAREGIVING BY INDIVIDUALS WITH AGE-RELATED MACULAR DEGENERATION
Notice bibliographique
Résumé
In Brief Background: To assess the patient-reported use of caregiving among individuals with age-related macular degeneration (AMD) and evaluate the impact of visual impairment level on this use. Methods: A survey including the AMD Health and Impact Questionnaire and the Daily Living Tasks Dependent on Vision Questionnaire (DLTV) was mailed to members of the Macular Degeneration Partnership. The study was approved by an institutional review board, and respondents provided consent before participating. Responses were analyzed by estimated visual acuity determined by scores from the DLTV. Deidentified data were analyzed using SAS Version 8.2 (SAS Institute, Cary, NC). Results: Of 803 respondents, 56% were male, and the mean age was 73 years. Use of paid and unpaid help significantly increased as visual acuity decreased. Using a national average for caregiver time, annual costs for caregiving ranged from $225 to $47,086 depending on visual acuity. Conclusion: There are substantial differences in caregiver support with increased AMD severity. Delaying progression of AMD could result in considerable cost savings. This study evaluated patient-reported use of caregiving among individuals with age-related macular degeneration and found that there are substantial differences in the use of caregiver support with increased severity of age-related macular degeneration.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».