A multicentric cross-sectional study measuring the equity of cataract surgical services in three high-volume eyecare organizations in North India: Equitable cataract surgical rate as a new indicator
Notice bibliographique
Résumé
PURPOSE: Cataract remains the leading cause of blindness and visual impairment in most low-and middle-income countries, with the greatest burden borne by women. To achieve Global Action Plan targets, cataract programs must target people, especially women, with maximum need. This study examines whether cataract surgical programs in three major north Indian eyecare institutions are equitable and describes a refined indicator for reporting equity. METHODS: Retrospective one-year cross-sectional study of cataract surgery utilization using routine administrative data from three north Indian eyecare institutions. Patient data were categorized by paying category, sex, and preoperative visual acuity. Comparisons were made between payment categories and sexes. RESULTS: Out of the total number of patients operated, 86,230 were in the non-paying category and 56,738 in the paying category. Overall, 8.2% were blind, 21.1% were severely visual impaired (SVI) or worse, and 86.1% were moderate visual impaired (MVI) or worse. Non-paying patients had a significantly higher proportion of poorer visual categories compared to paying patients [(blind, 9.7% vs. 5.8%; SVI or worse, 24.6% vs. 15.8%; and MVI or worse, 89.1% vs. 81.6%, respectively, (P < 0.001)]. Women had significantly higher proportion of poorer visual categories than men [(blind, 8.9% vs. 7.4%, SVI or worse, 21.9% vs. 20.3% and MVI or worse 87.6 vs. 84.7%) (P < 0.001)]. CONCLUSION: The institutions primarily provided surgery to patients with maximum need: too poor to pay, low visual acuity, and women. Similar data from all service providers of a region can help estimate the proposed "equitable cataract surgical rate": the proportion of patients operated with maximum need among those operated in a year. This can be used for targeting people in need.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».