Underserved groups could be better considered within population-based eye health surveys: a methodological study
Notice bibliographique
Résumé
OBJECTIVES: In pursuit of health equity, the World Health Organization has recently called for more extensive monitoring of inequalities in eye health. Population-based eye health surveys can provide this information, but whether underserved groups are considered in the design, implementation, and reporting of surveys is unknown. We conducted a systematic methodological review of surveys published since 2000 to examine how many population-based eye health surveys have considered underserved groups in their design, implementation, or reporting. STUDY DESIGN AND SETTING: We identified all population-based cross-sectional surveys reporting the prevalence of objectively measured vision impairment or blindness. Using the PROGRESS + framework to identify underserved groups, we assessed whether each study considered underserved groups within 15 items across the rationale, sampling or recruitment methods, or the reporting of participation and prevalence rates. RESULTS: 388 eye health surveys were included in this review. Few studies prospectively considered underserved groups during study planning or implementation, for example within their sample size calculations (n = 5, ∼1%) or recruitment strategies (n = 70, 18%). The most common way that studies considered underserved groups was in the reporting of prevalence estimates (n = 374, 96%). We observed a modest increase in the number of distinct PROGRESS + factors considered by a publication over the study period. Gender/sex was considered within at least one item by 95% (n = 367) of studies. Forty-three percent (n = 166) of included studies were conducted primarily on underserved population groups, particularly for subnational studies of people living in rural areas, and we identified examples of robust population-based studies in socially excluded groups. CONCLUSION: More effort is needed to improve the design, implementation, and reporting of surveys to monitor inequality and promote equity in eye health. Ideally, national-level monitoring of vision impairment and service coverage would be supplemented with smaller-scale studies to understand the disparities experienced by the most underserved groups.
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 | 0,437 | 0,575 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,016 |
| Bibliométrie | 0,017 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,008 | 0,012 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».