Prevalence, burden, and determinants of visual impairment and blindness among adults in Saudi Arabia: a comprehensive systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Visual impairment (VI) and blindness represent major public health challenges with significant social and economic consequences. In Saudi Arabia, multiple studies have investigated prevalence and causes, but findings vary due to differences in study design, populations, and definitions. This systematic review and meta-analysis aimed to estimate the pooled prevalence, causes, and determinants of VI and blindness among adults in Saudi Arabia. METHODS: A systematic search of PubMed, Scopus, Web of Science, and regional databases was conducted up to July 2025. Studies were eligible if they included adults (≥ 18 years) residing in Saudi Arabia and reported the prevalence, causes, or risk factors of visual impairment (VI) and/or blindness. Study quality was evaluated using the Newcastle-Ottawa Scale. Pooled prevalence estimates and all statistical analyses were conducted in R (version 4.4.3) using random-effects models. Subgroup analyses and meta-regression were performed to assess heterogeneity by region, study period, and study setting. RESULTS: Nine studies comprising 29,707 participants were included. The pooled prevalence of VI among adults was 16.8% (95% CI: 11.4-23.9), while the prevalence of blindness was 1.7% (95% CI: 1.0-2.8). When stratified by study setting, the prevalence of VI was higher in clinic-based studies (22.1%) compared with population-based surveys (10.8%). Uncorrected refractive error was the leading cause of VI, while cataract was the primary cause of blindness. Subgroup analyses revealed significantly higher VI prevalence in females (20.7% vs. 12.5% in males). Meta-regression confirmed that study setting and publication year were significant sources of heterogeneity, with prevalence estimates increasing over time. CONCLUSION: Visual impairment and blindness represent a significant public health burden in Saudi Arabia. The high prevalence is driven primarily by preventable or treatable causes, mainly uncorrected refractive error and cataract. These findings highlight the urgent need for targeted public health strategies, including enhanced screening and improved access to care.
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 | 0,011 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,028 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».