A simple integrated primary health care based model for detection of diabetic retinopathy in resource-limited settings in Pakistani population
Notice bibliographique
Résumé
Objective: To find out prevalence of Diabetic Retinopathy in general population of three districts in Pakistan.Methods: A community based cross-sectional survey was conducted in three large districts of Pakistan namely Rawalpindi in Punjab, Peshawar in Khyber Pakhtoonkhwa and Hyderabad in Sindh between January 2013 and August 2015. Lady Health Workers identified individuals at high risk for diabetes based on pre-defined criteria. High risk population was tested for dysglycemia. Fundoscopic evaluation for evidence of DR was performed in all individuals with a random blood glucose >190mg/dl. Individuals with the evidence of DR were referred to affiliated tertiary care ophthalmology departments.Results: A total of 42,629 individuals reported at the project sites and 63% (n=26,859) were female. Fifty one percent (n=21,989) individuals met high risk criteria. Out of these 21,989 individuals, dysglycemia was found in 3,869 (17.6%). Fundoscopy showed evidence of DR in 1,042 (27%) individuals. Amongst high risk population, dysglycemia was significantly more common in females as compared to males. The frequency of DR in dysglycemic patients was comparable across both gender groups.Conclusion: The prevalence of DR in Pakistani population is alarmingly high. This preventable cause of blindness is largely undiagnosed in our population and a simple integrated model based on primary health care facilities can help identify and treat a large population of DR patients.doi: http://dx.doi.org/10.12669/pjms.325.10955How to cite this:Jawa A, Assir MZK, Riaz SH, Chaudhary R, Awan F, Akram J. A simple integrated primary health care based model for detection of diabetic retinopathy in resource-limited settings in Pakistani population. Pak J Med Sci. 2016;32(5):1102-1106.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».