The state of low vision care in Ontario
Notice bibliographique
Résumé
Approximately half a million Canadians live with vision loss significantly impacting their quality of life. The prevalence of vision loss is expected to increase by 30% in the next decade as Canada’s senior patient population continues to rapidly increase.1 This demographic shift is producing a mounting vision loss epidemic and a strain on available resources. Although vision rehabilitation services are available for these patients, limited research has been done to study how these services by ophthalmologists are being provided. In this retrospective population-based study, we analyzed the patterns of provision and utilization of vision rehabilitation services in Ontario between 2009 and 2015. Billing data for low vision services were received from the Ontario Health Insurance Plan Database. Patient demographics (age, sex, geographic distribution, number and type of visits) and service provider information (geographic location, number of years providing services, and number of services per year) were analyzed. The majority of patients that received vision rehabilitation services were females (61%) and over 60 years old (79%). While patient and provider geographic distributions overlapped in the areas with the largest patient populations, many regions lacked services. Over the period analyzed, the majority of patients (71%) made only one vision rehabilitation visit and a small subset of patients (11%) made more than two visits. Nine providers practiced low vision for seven years, while 43 provided services for only one year. In 2015, the most common diagnostic service provided to low vision patients was Optical Coherence Tomography of the retina and the most common therapeutic service was intravitreal for wet age-related macular degeneration. Although low vision services increased between 2009 and 2015, we estimate that 5% or less of patients with low vision accessed these services. There were inequities in ability to access care based on age, sex, and geographic location. Our findings are expected to help inform future healthcare policy decisions, especially as considerations are made to provide for our ageing population. Importantly, there is a significant need to increase number of providers, service locations, and access for patients.\n1. CNIB - Fast Facts about Vision Loss. CNIB. http://www.cnib.ca/en/about/media/vision-loss/pages/default.aspx#canadians. Accessed August 26, 2017.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».