Effects of remote learning during the COVID-19 lockdown on children’s visual health: a systematic review
Notice bibliographique
Résumé
Objectives Increased exposure to digital devices as part of online classes increases susceptibility to visual impairments, particularly among school students taught using e-learning strategies. This study aimed to identify the impact of remote learning during the COVID-19 lockdown on children’s visual health. Design Systematic review using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines. Data sources Scopus, PubMed and ScienceDirect databases from the year 2020 onwards. Eligibility criteria We included cross-sectional, case–control, cohort studies, case series and case reports, published in English, Spanish or French, that approached the effects of remote learning during the COVID-19 lockdown on visual health in neurotypical children. Data extraction and synthesis We included a total of 21 articles with previous quality assessments using the Joanna Briggs checklist. Risk of bias assessment was applied using the National Institutes of Health quality assessment tool for before-and-after studies with no control group; the tool developed by Hoy et al to assess cross-sectional studies; the Murad et al tool to evaluate the methodological quality of case reports and case series; and the Newcastle-Ottawa Scale for cohort studies. Results All but one study reported a deleterious impact of the COVID-19 lockdown on visual health in children. Overall, the most frequently identified ocular effects were refractive errors, accommodation disturbances and visual symptoms such as dry eye and asthenopia. Conclusions Increased dependence on digital devices for online classes has either induced or exacerbated visual disturbances, such as rapid progression of myopia, dry eye and visual fatigue symptoms, and vergence and accommodation disturbances, in children who engaged in remote learning during the COVID-19 lockdown. PROSPERO registration number CRD42022307107.
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 | 0,009 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,010 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».