Working Towards Eye Health Equity for Indigenous Australians with Diabetes
Notice bibliographique
Résumé
Type 2 diabetes mellitus (T2DM) poses significant challenges to individuals and broader society, much of which is borne by disadvantaged and marginalised population groups including Indigenous people. The increasing prevalence of T2DM among Indigenous people has meant that rates of diabetes-related complications such as blindness from end-stage diabetic retinopathy (DR) continue to be important health concerns. Australia, a high-income and resource-rich country, continues to struggle to adequately respond to the health needs of its Indigenous people living with T2DM. Trends among Indigenous Australians highlight that the prevalence of DR has almost doubled over two decades, and the prevalence of diabetes-related vision impairment is consistently reported to be higher among Indigenous Australians (5.2%-26.5%) compared to non-Indigenous Australians (1.7%). While Australia has collated reliable estimates of the eye health burden owing to T2DM in its Indigenous population, there is fragmentation of existing data and limited knowledge on the underlying risk factors. Taking a systems approach that investigates the social, environmental, clinical, biological and genetic risk factors, and-importantly-integrates these data, may give valuable insights into the most important determinants contributing to the development of diabetes-related blindness. This knowledge is a crucial initial step to reducing the human and societal impacts of blindness on Indigenous Australians, other priority populations and society at large.
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 | 0,016 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,020 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».