The Quality of Life of Seniors with Eye Diseases during COVID‐19
Notice bibliographique
Résumé
Purpose: To assess health-related quality of life (HRQoL), vision-related quality of life (VRQoL), depression and anxiety symptoms, and social support and community integration of seniors with eye diseases and to identify important predictor variables of the outcomes. Methods: = 90). Demographic characteristics and questionnaire scores were summarized. Linear regression analysis with backward stepwise selection was used to predict the value of the outcomes of eye disease. Results: Preference-based HRQoL of the study patients with eye diseases during the pandemic was likely good with a mean utility value of 0.88. VRQoL and sleep quality appeared to be good as well. Depression and anxiety symptoms appeared to be low, while community integration and social support were moderate. Furthermore, the presence of retinal disease, number of nonocular comorbidities, and education appeared to have significant negative effects on social support and community integration. The presence of retinal disease and the number of nonocular comorbidities both appeared to negatively impact VRQoL. The use of a mobility aid appeared to negatively affect depressive symptoms and sleep quality. Conclusions: Overall quality of life and wellness among seniors with eye diseases appeared to be good during the COVID-19 pandemic. However, the presence of retinal disease and the number of nonocular comorbidities both appeared to negatively impact VRQoL and social support and community integration. Education appeared to impact social support and community integration negatively. The use of a mobility aid appeared to negatively affect depressive symptoms and sleep quality.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».