International trends in prescribing contact lenses for myopia control (2011–2024): An update
Notice bibliographique
Résumé
PURPOSE: The progression of myopia can be slowed using soft myopia control (SMC) and orthokeratology myopia control (OKMC) contact lenses. The purpose of this work is to update an earlier survey (covering years 2011-2018) by describing international trends in SMC and OKMC fitting between 2011 and 2024. METHOD: An annual contact lens prescribing survey was sent to eye care practitioners in up to 71 countries between 2011 and 2024. Data are reported here for 8,578 lens fits undertaken across 20 countries to 6-12-year-old children, comprising 688 SMC fits, 918 OKMC fits, and 6,972 non-myopia control (NMC) fits. To assess current trends, the proportion of fits between 2020 and 2024 for 12 countries returning ≥30 myopia control fits was analysed (n = 2,277 fits). RESULTS: There was a small increase in SMC fitting from 0.0 % in 2011 to 3.9 % in 2016, a significant increase to 29.5 % in 2021, and a slower increase to 30.4 % in 2024 (p < 0.0001). The proportion of OKMC fits, in relation to all rigid lens fits, increased from 40.8 % in 2011 to 86.9 % in 2024 (p < 0.0001). Of all soft lens fits, SMC fits were 7.2 % and 8.7 % to males and females, respectively (p = 0.0008). There was a decrease in the percentage of SMC fits with increasing age (p < 0.0001). No such sex/age associations were evident with OKMC fits. The proportion of all contact lens fits over the past 5 years (2020-2024) were as follows: SMC fits - 24 % (n = 525), OKMC fits - 17 % (n = 320), and NMC lens fits - 59 % (n = 1,332). CONCLUSION: There has been a substantial increase in SMC and OKMC lens fitting over the past 14 years, reflecting a heightened awareness among eye care practitioners and parents of the importance of slowing the progression of myopia in children.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».