Myopia Management in Hong Kong
Notice bibliographique
Résumé
Objectives: We aimed to investigate how optometrists in Hong Kong are managing myopic and “pre-myopic” children. Methods: Clinical files for children aged 6 to 10 years old who had eye examinations from 2017 to 2021 were retrospectively reviewed. Children were grouped by the initial spherical equivalent refractive error (SER) as myopes or pre-myopes. The demographic data, refractive error, and myopia management recommended by the optometrists were analyzed. Results: A total of 1,318 children (859 myopes and 459 pre-myopes) from ten clinics in Hong Kong were included. Over 5 years, myopia management recommendations shifted significantly (p < 0.001). In 2017, only 18.4% of children were recommended to pursue myopia control (MC), increasing to 42.8% by 2021. The use of MC spectacle lenses increased from 7.3% in 2017 to 36.8% in 2021, becoming the most recommended option. Orthokeratology, MC contact lenses, and atropine remained stable at less than 5% over this period. Children recommended for MC approaches had significantly more myopia than those recommended single-vision lenses or monitoring (p < 0.05). Age of the first visit significantly correlated with SER change from the first visit to the next recommendation update for pre-myopes (r = 0.27, p = 0.013) but not for myopes. Conclusions: From 2017 to 2021, myopia management patterns in Hong Kong shifted significantly, with more children being recommended for myopia control. MC spectacle lenses emerged as the most commonly recommended method. Younger pre-myopes at their first visit were more likely to have earlier management updates.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».