Mental health and vision difficulty in adults: a population-based analysis
Notice bibliographique
Résumé
OBJECTIVE: To investigate associations between self-reported vision difficulties and mental health diagnoses in adults from a nationally representative sample. DESIGN: A retrospective, cross-sectional population-based analysis. METHODS: Using data from the 2022 National Health Interview Survey, we included adult participants who provided self-reported vision data. The primary outcome was the association between vision difficulty and anxiety or depression diagnoses. Secondary outcomes pertained to symptom severity and receiving medications or therapy. Additional analyses explored the relationships between mental health variables and eyewear use. Multivariable regression models were conducted, adjusting for sociodemographic confounders. RESULTS: A total of 27,640 adults were included, of which 5 210 (19%) reported vision difficulties. Adults self-reporting vision difficulty had higher odds of an anxiety disorder (OR = 2.00, 95% CI = [1.82, 2.19]; p < 0.001) and more severe anxiety symptoms per the GAD-7 (OR = 2.67, 95% CI = [2.44, 2.92]; p < 0.001). Likewise, adults self-reporting vision difficulty had higher odds of depression (OR = 2.31, 95% CI = [2.12, 2.52]; p < 0.001) and more severe depressive symptoms per the PHQ-8 (OR = 2.90, 95% CI = [2.67, 3.15]; p < 0.001). Moreover, self-reported vision difficulty was associated with higher odds of taking medication for a mental health condition (OR = 1.71, 95% CI = [1.35, 2.16]; p < 0.001) and receiving therapy (OR = 1.71, 95% CI = [1.53, 1.91]; p < 0.001). Wearing glasses or contact lenses was largely associated with higher odds of the mental health variables studied. CONCLUSION: There are robust associations between self-reported vision difficulty and psychosocial well-being, with individuals reporting vision difficulty more likely to report greater severity of anxiety or depressive symptoms. Similar associations were observed among individuals who wore glasses or contact lenses. Increased collaboration between eye care and mental health professionals is needed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».