Prevalence of refractive errors in Nepalese children and adults: a systematic review with meta-analysis
Notice bibliographique
Résumé
CLINICAL RELEVANCE: Country-specific estimates of the prevalence of refractive errors are important to formulate national eye health policies for refractive care services. BACKGROUND: The purpose of this study was to systematically synthesise available literature and estimate the prevalence of refractive errors in the Nepalese population. METHODS: PubMed, Scopus, and Web of Science databases were systematically searched for articles on refractive errors and presbyopia published in English language until 27 September 2022. Population and school-based quantitative, cross-sectional prevalence studies and Rapid Assessment of Avoidable Blindness survey repository data were included. The quality of the included studies was assessed using the Newcastle Ottawa scale adapted for cross-sectional studies. Data extraction was performed with consensus among the reviewers. Meta-analysis of the prevalence was performed using the Random effects model to estimate the pooled proportions. RESULTS: A total of 38 studies with 101 701 participants were included: 18 studies in children (n = 31 596) and 20 in adults (n = 70 105). In children, the estimated pooled prevalence of overall refractive errors was 8.4% (95% CI: 4.8 to 12.9) with myopia, hypermetropia and astigmatism prevalent in 7.1% (95% CI: 3.7 to 11.4), 1.0% (95% CI: 0.7 to 1.3) and 2.2% (95% CI: 0.9 to 3.9), respectively. In adults, the prevalence of refractive errors, uncorrected refractive errors, and uncorrected presbyopia were 11.2% (95% CI: 8.0 to 14.9), 7.3% (95% CI: 5.4 to 9.5) and 78.9% (95% CI: 69.1 to 87.3), respectively. CONCLUSIONS: The pooled prevalence of refractive errors is relatively low while uncorrected refractive errors and presbyopia are high in Nepalese population suggesting a need for better access to refractive care services in the country. The paucity of quality evidence on prevalence of refractive errors, particularly in children, indicates a need for a well-designed population-based study to accurately estimate the current prevalence of refractive errors.
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 | 0,017 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,044 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».