MétaCan
Menu
Retour à la cohorte
Enregistrement W4212891225 · doi:10.21203/rs.3.rs-1286073/v1

Global Mapping of Optometry Workforce

2022· preprint· en· W4212891225 sur OpenAlexaff
Kovin Naidoo, Pirindhavellie Govender-Poonsamy, Priya Morjaria, Sandra S. Block, Ving Fai Chan, Ai Chee Yong, Luigi Bilotto

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueOphthalmology and Visual Impairment Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesBrien Holden Vision Institute
Mots-clésWorkforceOptometryWorkforce planningBusinessMedicineEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND:The growing global burden of vision impairment makes it imperative that there are appropriately trained human resources. Optometrists play a critical role in alleviating this burden, but the low number of optometrists available or the numbers in different countries has always been a challenge for eye care planning. Despite this, there have been limited studies conducted to quantify the deficits in the number of optometrists globally. Methods:A standardised English language questionnaire was used in this cross-sectional study to determine the number and distribution of optometrists globally between February 2017 and May 2020. The survey was translated where necessary and completed by key informants. Using the World Council of Optometry’s scope of practice guidelines, optometrists were defined at levels 2 to 4. Optometrist-to-population ratios were calculated for all countries and regions and compared to targets of 1:50 000 (in developing contexts) or 1:10 000 (in developed contexts).Results:An overall response rate of 80.9% was achieved with responses from 123 of the 152 countries invited. Most (40.7%) key informants were academics. The total number of optometrists across 21 Global Burden of Disease (GBD) regions was 331,781 as of 2019. Sixty-six (53.7%) of 123 countries met the 1:50,000 Optometrist-to-population ratio. A strong (r=0.7) direct positive relationship existed between age-standardised prevalences of blindness and mild- and severe-vision impairment and optometrist-to-population ratios. Strong inverse relationships were observed between country GDP and optometrist-to-population ratio.Conclusion:High-income countries met the target for optometrist-to-patient ratios, while low-to-, middle-income countries and low-income countries did not meet the targets. Low optometrist-to-patient ratios were strongly associated with a higher magnitude of blindness and vision impairment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,170
Tête enseignante GPT0,545
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetOphthalmology and Visual Impairment StudiesTravaux en français237 207