Philadelphia Telemedicine Glaucoma Detection and Follow-Up Study: Cataract Classifications Following Eye Screening
Notice bibliographique
Résumé
Background: Cataracts are a major cause of visual impairment and blindness in the United States and worldwide. Introduction: Risk factors for cataracts include age over 40 years, smoking, diabetes, low socioeconomic status, female sex, steroid use, ocular trauma, genetic factors, and exposure to ultraviolet-B light. Community-based telemedicine vision screenings can be an efficient method for detecting cataracts in underserved populations. The Philadelphia Telemedicine Glaucoma Detection and Follow-Up Study reports the prevalence and risk factors for cataracts in individuals screened and examined for glaucoma and other eye diseases. Materials and Methods: A total of 906 high-risk individuals were screened for glaucoma using telemedicine in seven primary care practices and four Federally Qualified Health Centers in Philadelphia. Participants with suspicious nerves or other abnormalities on fundus photographs, unreadable images, and ocular hypertension returned for an eye examination with an ophthalmologist at the same community location. Results: Of the participants screened through telemedicine, 347 (38.3%) completed a follow-up eye examination by an ophthalmologist. Of these, 267 (76.9%) were diagnosed with cataracts, of which 38 (14.2%) had visually significant cataracts. Participants who were diagnosed with visually significant cataract were more likely to be older ( p < 0.001), have diabetes ( p = 0.003), and worse visual acuity ( p < 0.001). Discussion: Our study successfully detected and confirmed cataracts in a targeted, underserved urban population at high risk for eye disease. Conclusions: Telemedicine programs offer an opportunity to identify and refer individuals who would benefit from continuous follow-up eye care and treatment to improve visual function and quality of life.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».