Variations of dry eye disease prevalence by age, sex and geographic characteristics in China: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Dry eye disease (DED) is one of the most prevalent ocular diseases in the world. In China, new lifestyles driven by information technology and the rapid ageing process have brought DED a severe public health concern. The aim of our study was to obtain the pooled prevalence of DED in China and explore its potential correlates. METHODS: A comprehensive systematic review was conducted to identify all relevant literature published since 1990. Meta-analysis and meta-regression approaches were adopted to estimate the prevalence of DED. The number of people with DED was obtained by multiplying the corresponding demographic data in 2010. RESULTS: Advanced age, female sex and larger latitude were significant risk factors for DED by symptoms and signs, whereas only advanced age was positively associated with an increased prevalence of DED by symptoms. In 2010, the prevalence of DED by symptoms and signs were 13.55% (95% CI = 10.00-18.05) and that of DED by symptoms was 31.40% (95% CI = 23.02-41.13) in Chinese people aged 5-89 years, corresponding to a total of 170.09 million (95% CI = 125.52-226.63) and 394.13 million (95% CI = 288.99-516.30) affected individuals respectively. CONCLUSIONS: The huge burden of DED in China calls for more public health attention and actions. Improved epidemiological studies on DED prevalence are still urgently needed.
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 | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,027 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».