Prevalence, Demographics, and Treatment Characteristics of Visual Impairment due to Diabetic Macular Edema in a Representative Canadian Cohort
Notice bibliographique
Résumé
Diabetic macular edema (DME) is the leading cause of blindness in the diabetic population. However, there is limited understanding of the epidemiology of DME with visual impairment (VI) and treatment in patients with diabetes in Canada. This observational, retrospective study used records from the Southwestern Ontario database to observe the demographics, prevalence, and treatment characteristics of VI due to DME compared to a healthy population in a real-world Canadian setting. Data was compared between a cohort of 8,368 diabetic (type 1 or 2) patients, who were ≥18 years old and had a diagnosis of DME with VI (visual acuity <20/40 in Snellen equivalent), and 76,077 age- and gender-matched subjects representing a healthy population. Among diabetic patients, prevalence of DME was 15.7%, and prevalence of VI due to DME was 2.56%. Laser monotherapy was the most frequently used treatment. Public funding covered costs for 85% of persons with DME while 18% were paid for with private funds. This study provides insight into the demographics, prevalence, and treatment of VI due to DME in a representative Canadian cohort. This data can help to inform evaluation of current DME treatment patterns and of proposed new treatment on drug plan budgets in Canada.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».