MétaCan
Menu
← Retour à la cohorte
Enregistrement W4283323776 · doi:10.2196/31011

Assessing the Risk Factors For Diagnosed Symptomatic Dry Eye Using a Smartphone App: Cross-sectional Study

2022· article· en· W4283323776 sur OpenAlexvenueno aff
Ngamjit Kasetsuwan, Olan Suwan‐apichon, Kaevalin Lekhanont, Varintorn Chuckpaiwong, Usanee Reinprayoon, Somporn Chantra, Vilavun Puangsricharern, Lalida Pariyakanok, Pinnita Prabhasawat, Nattaporn Tesavibul, Winai Chaidaroon, Napaporn Tananuvat, Chakree Hirunpat, Nauljira Prakairungthong, Wiwan Sansanayudh, Chareenun Chirapapaisan, Pakornkit Phrueksaudomchai

Notice bibliographique

RevueJMIR mhealth and uhealth · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Surface and Contact Lens
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineVisual acuityCross-sectional studyEye careOphthalmologyConfidence intervalOptometryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Dry eye (DE) is a chronic inflammatory disease of the ocular surface of the eye that affects millions of people throughout the world. Smartphone use as an effective health care tool has grown exponentially. The "Dry eye or not?" app was created to evaluate the prevalence of symptomatic DE, screen for its occurrence, and provide feedback to users with symptomatic DE throughout Thailand. OBJECTIVE: The purpose of this study was to compare the prevalence of symptomatic dry eye (DE), blink rate, maximum blink interval (MBI), and best spectacle-corrected visual acuity (BSCVA) between people with and without symptomatic DE and to identify risk factors for symptomatic DE in Thailand. METHODS: This cross-sectional study sourced data from the "Dry eye or not?" smartphone app between November 2019 and July 2020. This app collected demographic data, Ocular Surface Disease Index (OSDI) score, blink rate, MBI, BSCVA, and visual display terminal (VDT) use data. The criterion for symptomatic DE was OSDI score ≥13. RESULTS: The prevalence of symptomatic DE among individuals using this smartphone app in Thailand was 85.8% (8131/9482), with the Northeastern region of Thailand having the highest prevalence, followed by the Northern region. Worse BSCVA (median 0.20, IQR 0.40; P=.02), increased blink rate (median 18, IQR 16; P<.001), reduced MBI (median 8.90, IQR 10.80; P<.001), female sex (adjusted OR 1.83; 95% CI 1.59-2.09; P<.001), more than 6 hours of VDT use (adjusted OR 1.59; 95% CI 1.15-2.19; P=.004), and lower than bachelor's degree (adjusted OR 1.30; 95% CI 1.03-1.64; P=.02) were significantly associated with symptomatic DE. An age over 50 years (adjusted OR 0.77; 95% CI 0.60-0.99) was significantly less associated with symptomatic DE (P=.04). CONCLUSIONS: This smartphone DE app showed that the prevalence of symptomatic DE in Thailand was 85.8%. Signs and risk factors could be also evaluated with this smartphone DE app. Screening for DE by this app may allow for the development of strategic plans for health care systems in Thailand.

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 enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,423
Écart entre enseignants0,353 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetOcular Surface and Contact Lens→Travaux en français237 207→