Glaucoma in the Northern Ireland Cohort for the Longitudinal Study of Ageing (NICOLA): cohort profile, prevalence, awareness and associations
Notice bibliographique
Résumé
BACKGROUND/AIMS: This study aimed to describe the cohort profile of the Northern Ireland Cohort for the Longitudinal Study of Ageing (NICOLA) and to report the prevalence of, awareness of and associations with glaucoma. METHODS: Using geographic stratification, a representative sample of non-institutionalised Northern Irish adults aged over 50 years was invited to participate. NICOLA participants underwent a Computer-Assisted Personal Interview (CAPI), a Self-Completion Questionnaire (SCQ) and a health assessment. The CAPI and SCQ collected comprehensive sociodemographic and health-related data. At the health assessment, participants underwent optic disc stereophotography, intraocular pressure (IOP) measurement using ocular response analyser (ORA), autorefraction, spectral domain optical coherence tomography and self-reported history of glaucoma. We invited NICOLA participants suspected of having glaucoma due to optic disc appearance or raised IOP for clinical examination by a glaucoma expert and perimetry. Epidemiological definitions by the International Society Geographical and Epidemiological Ophthalmology were used to define glaucoma. RESULTS: Of 3221 NICOLA participants (mean age 64.4, SD 8.5, female sex 51.7%) who attended the health assessment component of the NICOLA study (and had a vertical cup to disc ratio measurement in at least one eye), 91 participants had glaucoma. Overall, the crude prevalence of glaucoma was 2.83% (95% CI 2.31% to 3.46%) and 67% of affected individuals did not give a self-reported history of glaucoma. CONCLUSIONS: The prevalence of glaucoma in Northern Ireland is comparable with other population-based studies of European populations. Approximately two-thirds of people with glaucoma were undiagnosed.
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) | 0,000 | 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 | 0,000 |
| 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 ».