MétaCan
Menu
Retour à la cohorte
Enregistrement W2986267309 · doi:10.11622/smedj.2019144

School-based programme to address childhood myopia in Singapore

2019· article· en· W2986267309 sur OpenAlexaff
Vijaya Karuppiah, Lee-Yang Wong, Veronica Tay, XJ Ge, Lili Kang

Notice bibliographique

RevueSingapore Medical Journal · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Impairment Studies
Établissements canadiensWorkplace Health, Safety and Compensation Commission
Organismes subventionnairesNational University of Singapore
Mots-clésMedicineOptometryVisual acuityChildhood blindnessPopulationVisual impairmentRefractive errorDemographyPediatricsOphthalmologyEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

In 2050, a total of 4,758 million people worldwide (49.8% of the world’s population) are expected to be myopic, and 938 million people (9.8%) are expected to suffer from high myopia (myopia worse than −5.00 D).(1) Myopia, commonly known as short-sightedness or near-sightedness, has remained one of the biggest public health challenges in Singapore, which has very high myopia rates. Myopia typically begins in early childhood and progresses during childhood. Based on unpublished data from routine vision screening done by the School Health Service (SHS) using the Snellen chart, the prevalence of defective vision amounting to unaided visual acuity of 6/12 or worse among Primary 1 students was 33% in the year 2000, prior to the inception of the National Myopia Prevention Programme (NMPP). 65% of Singapore students suffered from myopia by the age of 12 years. Among these 12-year-old students, the prevalence of severe defective vision (i.e. unaided visual acuity worse than 6/60) was 13% (unpublished data). Age of onset of myopia and duration of myopia progression are the most important predictors of high myopia in later childhood.(2) Children with high myopia in the range of ≤ −5.0 D to −10.0 D(3) have higher risks of complications, such as myopic macular degeneration,(4-6) retinal detachment,(7) glaucoma(8) and blindness.(9) There was concern that if such trends continued, more than 80% of the population would be suffering from myopia by adulthood, and among them, a high proportion would have high myopia.(10-13) Given that Singapore has an ageing population, this would increase the burden on the healthcare system because of the greater need to provide treatment for myopia-related complications. As about 80% of male enlistees are myopic at the time of enlistment for National Service in Singapore, adjustments have to be made to accommodate the occupational demands of military duties, incurring additional costs.(11,14) The pool of candidates for National Service duties and military occupations that require good vision, such as pilots, would also be more limited.(11,14)

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,351
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSingapore Medical JournalMême sujetOphthalmology and Visual Impairment StudiesTravaux en français237 207