Interventions to improve gender equity in eye care in low-middle income countries: A systematic review
Notice bibliographique
Résumé
PURPOSE: Women bear an inequitable burden of blinding conditions compared to men primarily because they have more limited access to eye care services. This systematic review sought evidence regarding interventions to increase gender equity in eye care. METHODS: We searched MEDLINE, Cochrane Central Register of Controlled Trials, EMBASE, and EBSCO CINAHL, and contacted experts to identify studies in low- and middle-income countries of health services interventions for age-related cataract, childhood cataract, and trachoma. Eligible studies could be clinical trials or observational studies, but had to present sufficient data for intervention effects to be estimated separately for women and men. RESULTS: We included four cluster RCTs and nine observational studies. All were judged to have serious risk of bias. Six studies examined interventions involving training rural community volunteers to identify, educate and assist individuals with unmet eye care needs. Interventions were associated with reduced gender inequities in all-cause blindness, clinic attendance, cataract surgery coverage and trachoma treatment coverage (low-to-very low quality evidence). Studies in Nepal and Tanzania examining a multicomponent intervention to improve follow-up after pediatric cataract surgery found reduced gender inequities in follow-up rates at 10 weeks (low quality evidence). CONCLUSION: Limited evidence exists to inform health service planners regarding interventions to reduce gender inequity in visual impairment and blindness. Training community volunteers to identify and counsel affected individuals, and empower them to circumvent or challenge socioeconomic barriers to accessing care holds promise. Future interventions ought to explicitly consider gender in their design and implementation, and incorporate high-quality evaluation efforts.
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 | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».