Distribution and Predictors of Initial Glaucoma Care Among Ophthalmologists and Optometrists: A Population-based Study
Notice bibliographique
Résumé
PURPOSE: To evaluate evolution in the distribution of new glaucoma patients between ophthalmologists and optometrists, and to examine factors predicting provider type, in the context of expansion in the scope of optometry practice. PATIENTS AND METHODS: A population-based study was undertaken using validated datasets in Ontario, Canada from 2007 to 2018, encompassing time before and after optometry practice scope expansion in 2011. All patients aged 66 and older receiving a glaucoma suspect diagnosis or first-line therapy for glaucoma from ophthalmologists or optometrists were enrolled. Predictors of provider type were evaluated using logistic regression. RESULTS: From 2007 to 2018, 401,560 patients received initial glaucoma care, including 303,440 by ophthalmologists and 98,120 by optometrists. Population rates of glaucoma suspect diagnosis increased for both providers over the study period. The rate of therapy initiation increased annually among optometrists after 2011, while the rate remained stable over that period among ophthalmologists. By 2018, 88% of patients initiating therapy and 59% of patients first diagnosed as a glaucoma suspect received that care from ophthalmologists. In the final study year, therapy initiations per provider were lower among optometrists (median: 2/provider; interquartile range: 1 to 3) than among ophthalmologists (median: 26.5/provider, interquartile range: 10 to 53). Patients were more likely to receive care from an ophthalmologist than an optometrist if they were older, had higher ocular or systemic comorbidity, or lived in urban settings. CONCLUSIONS: Optometrists have a large and growing role in diagnosing glaucoma suspects; however, despite scope expansion, optometrists play a much smaller role in initiating glaucoma therapy.
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 | 0,000 | 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 | 0,000 |
| 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 ».