MétaCan
Menu
Retour à la cohorte
Enregistrement W3010945049 · doi:10.22605/rrh5109

State of the eye health system in the Pacific: is medical technology available and used by mid-level eye care workers?

2020· article· en· W3010945049 sur OpenAlexaff
Benoît Tousignant, Matthew Pearce, Julie Brûlé, Biu Sikivou, Graeme Nicholls

Notice bibliographique

RevueRural and Remote Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Impairment Studies
Établissements canadiensUniversité de MontréalAssociation of Canadian College and University Teachers of English
Organismes subventionnairesnon disponible
Mots-clésMedicineEye careOptometryWorkforceHealth careRefractive errorMedical emergencyEye diseaseOphthalmology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The aim of this study is to describe the availability, use and comfort with ophthalmic equipment and medications by mid-level eye care workers in Papua New Guinea and Pacific Island countries and territories as indicators of the state of eye care in the Pacific. METHODS: Health information system data, from a workforce support program to Pacific mid-level eye care workers, were analysed for availability and comfort with use of ophthalmic equipment and topical medications. RESULTS: For refraction equipment, access was excellent (98% for retinoscopes and trial lenses) 'very frequent use' range was 42-74% and 'high comfort of use' range was 54-86%. Equipment for ocular health assessment is widely available (slit lamps 67%), with high comfort levels (78-100% 'very comfortable'). Over 70% of respondents have access to topical diagnostic medications, 98% have access to at least one type of antibiotic drops and 63% have access to at least one topical corticosteroid. CONCLUSION: Overall, trained mid-level eye care workers in the Pacific seem well equipped for ocular health and refractive assessments. Comfort levels are encouraging, but also highlight areas for continuing professional development. Access to ophthalmic medications appears acceptable in the region for low morbidity anterior segment conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,343
Écart entre enseignants0,306 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRural and Remote HealthMême sujetOphthalmology and Visual Impairment StudiesTravaux en français237 207