A scoping review of vision rehabilitation services in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Around 1.5 million Canadians live with some form of vision impairment. The demand for vision rehabilitation (VR) services is projected to increase as the number of older adults with age-related vision loss rises. To inform programmes and policies for VR, we aimed to answer two research questions: (1) How are VR services delivered in Canada? and (2) If gaps exist in current delivery of VR services, how can they be characterized? We used Arksey and O’Malley scoping review framework. A comprehensive search of five databases (PubMed, CINAHL/EBSCO, EMBASE, ProQuest, and Global Health) was performed during January 2019 and then updated in March 2021. Index terms and keywords relating to vision loss or impairment and rehabilitation were used. Non-peer-reviewed (grey) literature, in the form of reports and policies on VR in Canada, was sourced via Google/Google Scholar. To be included, sources had to (1) focus on VR services in Canada, (2) be available in English or French, and (3) be published after 2003. Data were extracted and analysed thematically to describe VR services across provinces and to identify gaps in service delivery in Canada. Out of 1311 studies identified, 62 were included. Findings indicate that the structure of VR services as well as provincial funding for assistive devices varies across provinces. The reported gaps at the level of service providers, users, and delivery systems were lack of awareness about the benefits of VR, limited collaboration and coordinated services between eye care and VR services, delayed referral to VR, shortage of specialists, and insufficient funding and training for vision devices. This article describes VR services in Canada and documents important gaps in VR services and research evidence across provincial jurisdictions. Future work to address gaps, and develop and evaluate interventions to facilitate optimal VR services is imperative.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle