MétaCan
Menu
Retour à la cohorte
Enregistrement W4405646872 · doi:10.2147/opth.s491154

The Toronto Tele-Retinal Screening Program for the Elderly in Long-Term Care: A Pilot Project

2024· article· en· W4405646872 sur OpenAlexaffabout
Michelle H. Lim, Tina Felfeli, Winnie Mangubat, Hamid Moghimi, Michael Grinton, Michael H. Brent

Notice bibliographique

RevueClinical ophthalmology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensToronto Western HospitalUniversity Health NetworkRegent Park Community Health CentrePublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineTerm (time)OptometryRetinalOphthalmology

Résumé

récupéré en direct d'OpenAlex

Objective: To report the results and feasibility of a pilot expansion of the Toronto Tele-Retinal Screening Program in an elderly long-term care home. Methods: Long term care patients with Type II diabetes mellitus (DM) were screened between April 1, 2022, and July 1, 2022. Demographic and health data were collected through surveys. Results: A total of 28 patients were screened, with 85.7% successfully undergoing retinal imaging. Among imaged patients, 8.3% (2/24) required urgent follow-up. Pathologies identified included uncontrolled glaucoma (4.1%, 1/24), non-proliferative diabetic retinopathy (8.3%, 2/24), and age-related macular degeneration (45.8%, 11/24). The handheld camera successfully screened 60% (3/5) of patients with mobility issues. Overall, 90% (17/19) of patients rated their experience as either "brilliant" or "really good". Discussion: This pilot project demonstrated the necessity for routine eye care in the elderly and the potential for widespread implementation of teleophthalmology in long-term care facilities. With only 14.3% (4/28) of patients unable to be imaged, this program offers a feasible, patient-friendly alternative to in-clinic screening. Future policies and practices in teleophthalmology should consider the unique needs of long-term care residents and the potential for reducing healthcare disparities through such a program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,241
Score d'incertitude au seuil0,479

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,096
Tête enseignante GPT0,477
Écart entre enseignants0,381 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical ophthalmologyMême sujetRetinal Diseases and TreatmentsTravaux en français237 207