Prevalence and Causes of Blindness, Low Vision and Status of Cataract in 50 Years and Older Citizen of Qatar—A Community Based Survey
Notice bibliographique
Résumé
BACKGROUND: Rapid Assessment for the Avoidable Blindness (RAAB) was conducted in Qatar during 2009. We present the prevalence and determinants of visual disabilities and status of cataract among citizens aged 50 years and older. METHODS: Residents of randomly selected houses and clusters participated in the survey. Opticians noted the presenting and the best corrected vision of participants from 49 clusters. Ophthalmologists examined participants with additional instruments like bio-microscope, digital camera, auto-perimeter and auto-refractor in a mobile van. World Health Organization recommended principal cause of blindness (Visual acuity [VA] < 3/60 in better eye), Severe visual impairment (SVI) (<6/60), low vision (VA < 6/18) and unilateral blindness (VA < 3/60) were designated. Persons with VA < 6/18 and cataract were interviewed to calculate coverage and barriers for cataract surgeries. Age sex adjusted prevalence of visual disabilities and their 95% Confidence Intervals (CI) were estimated. RESULTS: We examined 2,433 (97.3%) participants. The age sex adjusted prevalence of bilateral blindness was 1.28% [95% CI 1.22-1.35], SVI (1.67%), low vision (3.66%) and unilateral blindness (3.61%) in 50 years and older population. Female and older age groups were significant risk factors of visual disabilities. Cataract and glaucoma were the main causes of visual disabilities. The coverage of cataract services was 68.2%. Believing that cataract as an aging process (25) and adequate vision in the fellow eye (15) were the reasons for delay in surgery. CONCLUSIONS: To reduce avoidable blindness, un-operated cataract should be addressed. Primary and secondary eye care systems should be strengthened to improve the care of blinding eye diseases in Qatar.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».