A Proposed Model for Integrated Low‐Vision Rehabilitation Services in Canada
Notice bibliographique
Résumé
PURPOSE: The provision and funding of low-vision rehabilitation (LVR) are very variable across Canada. Quebec is well served by 14 government-funded rehabilitation centers. In most provinces, there are no such multidisciplinary services-optometrists offer LVR from their offices to a greater or lesser degree or undertake assessments in centers run by CNIB (formerly Canadian National Institute for the Blind). No integrated model for LVR exists across Canada. This document proposes such a model, which focuses on the profession of optometry, but may also be applicable to ophthalmology. METHODS: This article describes different models of LV provision, the evidence for their relative effectiveness, the current situation in Canada, including the variability between areas and the need to increase referrals to LVR, and the current international consensus for LV provision. With the projected increase in people with LV, a generally accepted LV model for Canada is required to improve patient care. RESULTS: It has become recognized in the global community that a tiered system may be required to provide for patients who range in their visual rehabilitation needs and geographic locations. The proposed LVR model includes three levels: 1. Screening/recognition of a potential patient with LV followed by appropriate triage. All optometrists should be involved at this level. 2. Management of the patient with minimum visual impairment/disability. This level of LVR can take place in a local optometry office with a minimal of extra equipment or devices. Level 3: Comprehensive LVR for patients with more vision loss and greater disabilities. Level 3 requires collaboration with other professionals, and three mechanisms are proposed by this which may take place. CONCLUSIONS: The proposed model is expected to be useful for future education, policy decisions, and collaboration in Canada, and it may also be of interest for the development of LV services in other countries.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».