Prevalence and causes of blindness and vision impairment in Western Uganda: Findings from a rapid assessment of avoidable blindness (RAAB) survey
Notice bibliographique
Résumé
PURPOSE: To determine the prevalence and causes of blindness and vision impairment (VI) among adults aged ≥50 years in Western Uganda. METHODS: A population-based cross-sectional survey was conducted in Western Uganda (July-August 2023) using RAAB7. Adults aged ≥50 years who had resided in the study districts for at least six months in the past year were eligible. Participants were identified through door-to-door household visits using a two-stage cluster sampling approach. Primary outcomes include prevalence of blindness and VI and its causes. Secondary outcomes include cataract surgical coverage (CSC), effective CSC (eCSC), refractive error coverage (REC), and effective REC (eREC). RESULTS: A total of 3,125 participants were examined (54.1% female). The adjusted prevalence of blindness (presenting visual acuity (PVA) <3/60) was 0.9% (95% CI: 0.5-1.3%). Severe, moderate, and mild VI were found in 0.9% (95% CI: 0.4-1.3%), 4.5% (95% CI: 3.3-5.8%), and 3.8% (95% CI: 3.0-4.6%), respectively. Untreated cataract was the leading cause of bilateral blindness (49.4%). The CSC and eCSC at the < 6/12 threshold were 19.7% and 7.3%, respectively. Only 19.4% of 108 operated eyes achieved good outcomes (PVA ≥ 6/12). The main barriers to cataract surgery included lack of awareness (32.8%), cost (23.9%), and perceived lack of need (20.9%). The adjusted prevalence of uncorrected refractive error as a cause of moderate VI was 1.6% (95% CI: 1.1-2.0%), and mild VI was 2.8% (95% CI: 2.2-3.5%). REC was 1.0%, while eREC was 0.6% (95% CI: 0.0-1.4%). CONCLUSION: Blindness and vision impairment remain major public health issues in Western Uganda, primarily due to untreated cataract and uncorrected refractive error. Poor post-operative outcomes highlight the urgent need to improve surgical quality. These findings may guide targeted interventions and policy to strengthen eye care services.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».