MétaCan
Menu
Retour à la cohorte
Enregistrement W4401382682 · doi:10.1101/2024.08.06.24311588

Prevalence of blindness and vision impairment among people 50 years and older in Nepal: a national Rapid Assessment of Avoidable Blindness survey

2024· preprint· en· W4401382682 sur OpenAlexaff
Sailesh Kumar Mishra, Ranjan Shah, Parikshit Gogate, Yuddha Dhoj Sapkota, Reeta Gurung, Mohan Krishna Shrestha, Islay Mactaggart, Ian McCormick, Brish Bahadur Shahi, Rajiv Khandekar, Matthew J. Burton

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueRetinal Imaging and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineConfidence intervalVisual impairmentBlindnessMacular degenerationPopulationVisual acuityDemographyGlaucomaPrevalenceOptometryOphthalmologyEnvironmental healthPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Purpose To determine the prevalence and causes of blindness and vision impairment among people 50 years and older in Nepal. Methods We conducted seven provincial-level Rapid Assessment of Avoidable Blindness (RAAB) cross-sectional, population-based surveys between 2018-2021. Provincial prevalence estimates were weighted to give nationally representative estimates. Sampling, enumeration, and examination of the population 50 years and older were done at the province level following standard RAAB protocol. Results Across seven surveys, we enrolled 33,228 individuals, of whom 32,565 were examined (response rate 98%). Females (n=17,935) made up 55% of the sample. The age-sex-province weighted national prevalence of blindness (better eye presenting visual acuity <3/60) was 1.1% (95% confidence interval [CI] 1.0-1.2%), and any vision impairment <6/12 was 20.7% (95% CI 19.9-21.5%). The prevalence of blindness and any vision impairment were both higher in women than men (1.3% [95% CI 1.1-1.5%] vs 0.9% [95% CI 0.7-1.0%]). Age-sex weighted blindness prevalence was highest in Lumbini Province (1.8% [95% CI 1.3-2.2%]) and lowest in Bagmati Province (0.7% [95% CI 0.4-0.9%]) and Sudurpaschim Province (0.7% [95% CI 0.4-0.9%]). Cataract (65.2%) was the leading cause of blindness in our sample, followed by corneal opacity (6.4%), glaucoma (5.8%) and age-related macular degeneration (5.3%). Other posterior segment diseases accounted for 8.4% of cases. Conclusion The prevalence of blindness was higher among women than men and varied by province. The Lumbini and Madesh Provinces in the Terai (plains) region had higher prevalence of blindness than elsewhere. Cataract was the leading cause of blindness, severe vision impairment and moderate vision impairment while refractive error was the leading cause of mild vision impairment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,353
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetRetinal Imaging and AnalysisTravaux en français237 207