A systematic review of risks associated with environmental change on refractive and non-refractive ocular health: Special focus on Africa
Notice bibliographique
Résumé
Background Over the past two decades, the African continent has faced numerous environmental shifts that affect population health. Climate change, rapid urbanization, and air pollution contribute significant risks to human health. The impact of these shifts on refractive and non-refractive ocular health in Africa remains largely empirically undocumented. Objectives A systematic review of the risks associated with environmental factors on refractive and non-refractive ocular health, with a specific emphasis on the African context. Methods This systematic review over the recent decade, conforming to PRISMA guidelines, spanned two primary databases, PubMed, and Google Scholar. It included a combination of keywords related to ocular health, environmental change, air pollution, climate change, water quality, and other related concepts. In total, it captured 77 articles from 2013 to July 2023 that met review quality guidelines. Results The review comprised varied study designs with a notable inclusion of cross-sectional (25·9%), cohort (14·3%), and review articles (36·4%). Findings indicated a significant correlation between air pollutants like PM 2·5 and NO x with ocular diseases such as dry eye and ocular surface disorders (16·8%), conjunctival disorders (7·8%), and myopia (5·2%). Climate change exacerbated by rising temperatures and UV radiation was implicated in 39% of studies, with a specific focus on its relation to cataracts (5·2%) and retinal-related disorders (10·4%). Additionally, indoor air pollution disproportionately affected women and children in rural settings of Africa. Conclusions The data indicate the need for urgent continental and regional policies against air pollution and climate change to safeguard ocular health, especially among vulnerable African populations. The review underscores the need for interdisciplinary policy to address challenges. The documentation of the relationship between environmental factors and ocular health intersects with Sustainable Development Goals that emphasize the need for improved preventive eye care and intervention, particularly among vulnerable populations and rural inhabitants.
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 | 0,007 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,016 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».