MétaCan
Menu
Retour à la cohorte
Enregistrement W4213204785 · doi:10.1353/hpu.2022.0017

Feasibility of a Bi-national Consulate-based Teleophthalmology Screening and Referral Protocol for Diabetic Retinopathy among Mexican Migrants in the United States

2022· article· en· W4213204785 sur OpenAlexaboutno aff
Joshua Foreman, Maureen Lahiff, Enrique Graue Hernández, Aída Jiménez-Corona, Rodrigo Matsui, Jorge Cuadros, Stephany Pizano, Hannah Peters, Xóchitl Castañeda, Marlon Maus

Notice bibliographique

RevueJournal of Health Care for the Poor and Underserved · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiabetic retinopathyMedicineReferralFamily medicineOptometryDiabetes mellitusQuarter (Canadian coin)Fundus photographyFundus (uterus)Primary careGerontologyOphthalmologyVisual acuityGeographyFluorescein angiography

Résumé

récupéré en direct d'OpenAlex

AIMS: To evaluate a bi-national consulate-based teleophthalmology screening service for diabetic retinopathy (DR) among Mexican migrants in the U.S. METHODS: Adult visitors (n=508) at Mexican consulates in California with self-reported diabetes underwent questionnaires and fundus photography. Photographs were graded for DR by retina fellows in Mexico via teleophthalmology. Participants were contacted with results and provided referrals when necessary. RESULTS: Nearly all (97.6%) participants were aware that diabetes can cause vision loss. One-quarter (24.4%) had undergone an eye examination in the past year. Barriers to care were cost (53.9%) and insurance (45.6%). Most (85.4-91.1%) reported that Spanish-speaking providers and provision of screening in primary care would increase participation in screening. Any DR, vision-threatening DR, or proliferative DR were found in 30.2%, 9.9%, and 5.4% of participants, respectively. Nearly one-fifth (19.5%) received referrals. CONCLUSIONS: Screening in Mexican consulates may improve DR detection and treatment among Mexican migrants in the U.S.

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)0,028
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,028
Score d'incertitude au seuil0,148

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,126
Tête enseignante GPT0,406
Écart entre enseignants0,280 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health Care for the Poor and UnderservedMême sujetRetinal Diseases and TreatmentsTravaux en français237 207