A cross-sectional study of optometrists' attitudes towards dry eye disease management in Hong Kong: A web-based survey in Hong Kong
Notice bibliographique
Résumé
Purpose: This study aimed to explore the practices of optometrists in Hong Kong towards diagnosing and managing dry eye disease (DED). Methods: From September 2021 to March 2022, an online questionnaire was distributed to optometrists in Hong Kong through several professional associations. The questionnaire included questions about the importance and usefulness of various diagnostic tests, as well as inquiries about management strategies and recommended follow-up schedules for DED. Responses were compared between optometrists who were more or less proactive in continuing education to identify potential differences. Results: The analysis included 68 valid responses. Sixty-one of them were Part 1 optometrists that represents 5.5 % of registered Part 1 optometrists back in 2022. Assessment of clinical symptoms was the most commonly performed investigation (93 %) and considered the most important (75 %) procedure in DED assessments, followed by corneal staining and fluorescein tear break-up time. Traditional diagnostic tests were preferred over newer methods, such as osmolarity, which were not yet commonly used. Unpreserved lubricants (90 %) and lid hygiene (63 %) were the primary treatments recommended for mild DED. Optometrists who had more experience and frequent participation in continuing education were more confident in diagnosing and managing DED, and more likely to recommend omega-3 supplements for moderate DED. Conclusion: The diagnostic and management strategies of optometrists in Hong Kong were generally consistent with the recommendations of the Dry Eye Workshop II report. However, standardized DED questionnaires and newer diagnostic tools were not commonly used. Evidence-based optometric care for dry eye management should be encouraged in Hong Kong optometric practice.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».