Notice bibliographique
Résumé

 
 
 Myopia is an enormous, and growing, public health issue across the globe. The prevalence of myopia has doubled in just the past 50 years and it is estimated that approximately half of the world’s population (4.8 billion people) will be affected by 2050. The increase has been especially pronounced in individuals of East Asian descent, where 80-90% of young adults are now myopic. Myopia is now the most common cause of visual impairment and the second most common cause of blindness worldwide.
 While often considered a “correctable” cause of vision loss, people with myopia have an increased lifetime risk of complications, such as macular degeneration and retinal detachment, which can cause long-term visual impairment or even blindness. Although all levels of myopia are associated with an increased risk of complications, the risk is substantially greater in people with high myopia (defined by the World Health Organization as a refractive error of ≤-5 diopters ). In addition to a large burden of visual impairment, myopia also has a significant global economic cost, estimated to be $250 billion per year in lost productivity, which is almost certain to rise.
 With these factors in mind, preventing the progression of myopia is a global public health priority. The purpose of this article is to review the currently available methods to treat myopia progression in children.
 
 
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».