Global estimates on the number of people blind or visually impaired by glaucoma: A meta-analysis from 2000 to 2020
Notice bibliographique
Résumé
OBJECTIVES: To estimate global and regional trends from 2000 to 2020 of the number of persons visually impaired by glaucoma and their proportion of the total number of vision-impaired individuals. METHODS: A systematic review and meta-analysis of published population studies and grey literature from 2000 to 2020 was carried out to estimate global and regional trends in number of people with vision loss due to glaucoma. Moderate or severe vision loss (MSVI) was defined as visual acuity of 6/60 or better but <6/18 (moderate) and visual acuity of 3/60 or better but <6/60 (severe vision loss). Blindness was defined as presenting visual acuity <3/60. RESULTS: Globally, in 2020, 3.61 million people were blind and nearly 4.14 million were visually impaired by glaucoma. Glaucoma accounted for 8.39% (95% uncertainty intervals [UIs]: 6.54, 10.29) of all blindness and 1.41% (95% UI: 1.10, 1.75) of all MSVI. Regionally, the highest proportion of blindness relating to glaucoma was found in high-income countries (26.12% [95% UI: 20.72, 32.09]), while the region with the highest age-standardized prevalence of glaucoma-related blindness and MSVI was Sub-Saharan Africa. Between 2000 and 2020, global age-standardized prevalence of glaucoma-related blindness among adults ≥50 years decreased by 26.06% among males (95% UI: 25.87, 26.24), and by 21.75% among females (95% UI: 21.54, 21.96), while MSVI due to glaucoma increased by 3.7% among males (95% UI: 3.42, 3.98), and by 7.3% in females (95% UI: 7.01, 7.59). CONCLUSIONS: Within the last two decades, glaucoma has remained a major cause of blindness globally and regionally.
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 | 0,015 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,043 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 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 ».