Causes of blindness and vision impairment in 2020 and trends over 30 years, and prevalence of avoidable blindness in relation to VISION 2020: the Right to Sight: an analysis for the Global Burden of Disease Study
Notice bibliographique
Résumé
BACKGROUND: Many causes of vision impairment can be prevented or treated. With an ageing global population, the demands for eye health services are increasing. We estimated the prevalence and relative contribution of avoidable causes of blindness and vision impairment globally from 1990 to 2020. We aimed to compare the results with the World Health Assembly Global Action Plan (WHA GAP) target of a 25% global reduction from 2010 to 2019 in avoidable vision impairment, defined as cataract and undercorrected refractive error. METHODS: We did a systematic review and meta-analysis of population-based surveys of eye disease from January, 1980, to October, 2018. We fitted hierarchical models to estimate prevalence (with 95% uncertainty intervals [UIs]) of moderate and severe vision impairment (MSVI; presenting visual acuity from <6/18 to 3/60) and blindness (<3/60 or less than 10° visual field around central fixation) by cause, age, region, and year. Because of data sparsity at younger ages, our analysis focused on adults aged 50 years and older. FINDINGS: Global crude prevalence of avoidable vision impairment and blindness in adults aged 50 years and older did not change between 2010 and 2019 (percentage change -0·2% [95% UI -1·5 to 1·0]; 2019 prevalence 9·58 cases per 1000 people [95% IU 8·51 to 10·8], 2010 prevalence 96·0 cases per 1000 people [86·0 to 107·0]). Age-standardised prevalence of avoidable blindness decreased by -15·4% [-16·8 to -14·3], while avoidable MSVI showed no change (0·5% [-0·8 to 1·6]). However, the number of cases increased for both avoidable blindness (10·8% [8·9 to 12·4]) and MSVI (31·5% [30·0 to 33·1]). The leading global causes of blindness in those aged 50 years and older in 2020 were cataract (15·2 million cases [9% IU 12·7-18·0]), followed by glaucoma (3·6 million cases [2·8-4·4]), undercorrected refractive error (2·3 million cases [1·8-2·8]), age-related macular degeneration (1·8 million cases [1·3-2·4]), and diabetic retinopathy (0·86 million cases [0·59-1·23]). Leading causes of MSVI were undercorrected refractive error (86·1 million cases [74·2-101·0]) and cataract (78·8 million cases [67·2-91·4]). INTERPRETATION: Results suggest eye care services contributed to the observed reduction of age-standardised rates of avoidable blindness but not of MSVI, and that the target in an ageing global population was not reached. FUNDING: Brien Holden Vision Institute, Fondation Théa, The Fred Hollows Foundation, Bill & Melinda Gates Foundation, Lions Clubs International Foundation, Sightsavers International, and University of Heidelberg.
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,027 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».