Prevalencia de astenopia en niños escolares de 6 a 17 años, por el uso de pantallas digitales durante la pandemia por covid-19 (2020-2022): revisión sistemática
Notice bibliographique
Résumé
Introducción: El uso de dispositivos electrónicos es primordial en la vida cotidiana a nivel mundial y gracias a la emergencia sanitaria por COVID-19 se incrementó, obligando a los estudiantes a tomar clases virtuales, y esto aumento la prevalencia de astenopia. Objetivo General: Determinar la prevalencia de astenopia reportada por la literatura en niños escolares de 6 a 17 años, por el uso de pantallas digitales durante la pandemia por COVID-19. Método de Investigación: Se realizo una revisión sistemática cualitativa mediante la pregunta PECO; la búsqueda bibliográfica de realizo en bases las bases de datos, con ecuaciones construidas con palabras clave a partir de DeCS y MesH, términos libres en inglés y español y operadores booleanos, se incluyeron artículos publicados entre 2020 y 2022. La calidad metodológica, se evaluó mediante herramientas como Newcastle-Ottawa y AMSTAR, se incluyeron artículos de revisión, estudios de casos y controles, y/o estudios transversales, que abordaran el tema prevalencia de astenopia por uso de los dispositivos electrónicos en escolares, durante la pandemia del COVID-19. El reporte de la revisión se realizó con base en la declaración PRISMA. Resultados: La prevalencia de astenopia reportada por los estudios revisados osciló entre 49,28% a 69,84%.en la población escolar durante la pandemia COVID-19, los síntomas más comunes fueron; ojo seco, cefalea, ardor y escozor ocular; El tiempo dedicado al uso de estos dispositivos aumento y, por otra parte, se asociaron a estos factores ergonómicos. Conclusiones: Esta revisión sistemática muestra que la prevalencia de astenopia se incrementó en todo el mundo. Las causas identificadas para el desarrollo de esta fatiga visual digital incluyen la demanda visual, la proximidad de trabajo, la iluminación, el tiempo de uso prolongado pantallas digitales, la disminución en la frecuencia de parpadeo y el uso de pantallas pequeñas, provocando la inestabilidad de la película lagrimal, aumento en defectos refractivos como la miopía y problemas acomodativos en los niños.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».