Prevalence of self-reported visual impairment among people in Canada with and without diabetes: findings from population-based surveys from 1994 to 2014
Notice bibliographique
Résumé
BACKGROUND: Diabetes, a leading cause of visual impairment, is on the rise in Canada. We assessed trends in the prevalence of visual impairment among people in Canada with and without diabetes to inform the development of strategies and policies for the management of visual impairment. METHODS: We analyzed self-reported data from respondents aged 45 years and older in 7 cycles of nationwide surveys (National Population Health Survey and Canadian Community Health Survey) from 1994/95 to 2013/14. The age- and sex-standardized prevalence of visual impairment was calculated. We assessed comparisons by levels of education and income, using sex-standardized prevalence owing to sparse data. RESULTS: Among people in Canada with diabetes, the age- and sex-standardized prevalence of visual impairment was 7.37% (95% confidence interval [CI] 5.31%-9.43%) in 1994/95 and 1996/97 combined, decreasing to 3.03% (95% CI 2.48%-3.57%) in 2013/14, giving a standardized prevalence ratio of 0.41 (95% CI 0.30-0.56) comparing 2013/14 with 1994/95 and 1996/97 combined. Among people in Canada without diabetes, visual impairment prevalence decreased from 3.72% (95% CI 3.31%-4.14%) in 1994/95 and 1996/97 combined to 1.69% (95% CI 1.52%-1.87%) in 2013/14, with a standardized prevalence ratio of 0.45 (95% CI 0.40-0.52). Decreased sex-standardized prevalence of visual impairment was observed among people with high and low education levels and incomes among those with and without diabetes. INTERPRETATION: Visual impairment prevalence was roughly 2 times higher among those with versus without diabetes in all survey years; from 1994 to 2014, visual impairment prevalence decreased among those with and without diabetes irrespective of education and income levels. These results suggest effective collective efforts by clinicians, researchers, the public and government.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».