Thirty-five-year trend in the prevalence of refractive error in Austrian conscripts based on 1.5 million participants
Notice bibliographique
Résumé
BACKGROUND: To quantify the current burden of myopia and hyperopia in Austrian young men and the time trend of myopia in the past 35 years by individual and social correlates. METHOD: We included data on all Austrian military conscripts from 1983 to 2017 (n=1 507 063) from six medical investigation stations. Young men provided data on education, weight and height for calculating body mass index, blood pressure and resting heart rate. Non-cycloplegic refractions were measured by an autorefractometer. Spherical equivalent was calculated by standard formula (sphere+cylinder/2, unit dioptres (D)). Myopic refractive error was defined as <-0.5 D). Hyperopic refractive error was defined as >0.5 D. RESULTS: The largest burden of refractive error in Austria is myopia, which rose from 13.8% to 24.4% over 35 years, with less than 5% hyperopic population. Over time, the prevalence of myopia was constantly lower yet increased more rapidly among those with low education levels (11.4%-21.7%) compared with those with higher education (24.5%-29.6%) in all medical investigation stations. We found consistent associations of some unfavourable health indicators (underweight: ORs 1.1-1.4, higher resting heart rate: all p trend <0.001) with higher myopia prevalence, which point towards lifestyle factors playing an important role in the development of myopia. CONCLUSION: Primary preventive measures are needed to curb the observed trend in myopia among Austrian young men. Future research should investigate the impact of modifiable factors on myopia development and progression, particularly lifestyle factors that are dramatically shifting.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».