Prevalence of blindness in Western Australia: a population study using capture and recapture techniques
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIM: To determine the prevalence of blinding eye disease in Western Australia using a capture and recapture methodology. METHODS: Three independent lists of residents of Western Australia who were also legally blind were collated during the capture periods in 2008-9. The first list was obtained from the state-wide blind register. A second list comprised patients routinely attending hospital outpatient eye clinics over a 6-month period in 2008. The third list was patients attending ophthalmologists' routine clinical appointments over a 6-week period in 2009. Lists were compared to identify those individuals who were captured on each list and those who were recaptured by subsequent lists. Log-linear models were used to calculate the best fit and estimate the prevalence of blindness in the Western Australian population and extrapolated to a national prevalence of blindness in Australia. RESULTS: 1771 legally blind people were identified on three separate lists. The best estimate of the prevalence of blindness in Western Australia was 3384 (95% CI 2947 to 3983) or 0.15% of the population of 2.25 million. Extrapolating to the national population (21.87 million) gave a prevalence of legal blindness of approximately 32,892 or 0.15%. CONCLUSION: Capture-recapture techniques can be used to determine the prevalence of blindness in whole populations. The calculated prevalence of blindness suggested that up to 30% of legally blind people may not be receiving available financial support and up to 60% were not accessing rehabilitation services.
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.
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 | 0,001 | 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 découle