Prevalence and determinants of visual impairment in Canada: cross-sectional data from the Canadian Longitudinal Study on Aging
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
OBJECTIVE: To determine the prevalence and determinants of visual impairment in Canada. DESIGN: Cross-sectional population-based study. PARTICIPANTS: 30,097 people in the Comprehensive Cohort of the Canadian Longitudinal Study on Aging METHODS: Inclusion criteria included being between the ages of 45 and 85 years old, community-dwelling, and living near one of the 11 data collection sites across 7 Canadian provinces. People were excluded if they were in an institution, living on a First Nations reserve, were a full-time member of the Canadian Armed Forces, did not speak French or English, or had cognitive impairment. Visual acuity was measured using the Early Treatment Diabetic Retinopathy Study (ETDRS) chart while participants wore their usual prescription for distance, if any. Visual impairment was defined as presenting binocular acuity worse than 20/40. RESULTS: Of Canadian adults, 5.7% (95% CI 5.4-6.0) had visual impairment. A wide variation in the provincial prevalence of visual impairment was observed ranging from a low of 2.4% (95% CI 2.0-3.0) in Manitoba to a high of 10.9% (95% CI 9.6-12.2) in Newfoundland and Labrador. Factors associated with a higher odds of visual impairment included older age (odds ratio [OR] = 1.07, 95% CI 1.06-1.08), lower income (OR = 2.07 for those earning less than $20 000 per year, 95% CI 1.65-2.59), current smoking (OR = 1.52, 95% CI 1.25-1.85), type 2 diabetes (OR = 1.20, 95% CI 1.03-1.41), and memory problems (OR = 1.44, 95% CI 1.04-2.01). CONCLUSIONS: Refractive error was the leading cause of visual impairment. Older age, lower income, province, smoking, diabetes, and memory problems were associated with visual impairment.
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 | 0,001 |
| 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) | 0,001 | 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 découle