Vision impairment and traffic safety outcomes in low-income and middle-income countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Road traffic injuries are a major public health concern and their prevention requires concerted efforts. We aimed to systematically analyse the current evidence to establish whether any aspects of vision, and particularly interventions to improve vision function, are associated with traffic safety outcomes in low-income and middle-income countries (LMICs). METHODS: We did a systematic review and meta-analysis to assess the association between poor vision and traffic safety outcomes. We searched MEDLINE, Embase, PsycINFO, CINAHL, Web of Science, Cochrane Database of Systematic Reviews, and the Cochrane Central Register of Controlled Trials in the Cochrane Library from database inception to April 2, 2020. We included any interventional or observational studies assessing whether vision is associated with traffic safety outcomes, studies describing prevalence of poor vision among drivers, and adherence to licensure regulations. We excluded studies done in high-income countries. We did a meta-analysis to explore the associations between vision function and traffic safety outcomes and a narrative synthesis to describe the prevalence of vision disorders and adherence to licensure requirements. We used random-effects models with residual maximum likelihood method. The systematic review protocol was registered on PROSPERO, CRD-42020180505. FINDINGS: value for overall statistical heterogeneity was 63·4%. INTERPRETATION: This systematic review shows a positive association between vision impairment and traffic crashes in LMICs. Our findings provide support for mandatory vision function assessment before issuing a driving licence. FUNDING: None.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 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 | 0,000 |
| 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 ».