Prevalencia de astenopia en niños escolares de 6 a 17 años, por el uso de dispositivos digitales durante la pandemia por COVID-19: revisión sistemática
Notice bibliographique
Résumé
El uso de dispositivos electrónicos es primordial en la vida cotidiana actual a nivel mundial y gracias a la emergencia sanitaria por COVID-19 se incrementó, pues fue necesario suspender actividades escolares presenciales obligando a los estudiantes a tomar clases virtuales, esto aumento la prevalencia de astenopia. Objetivo General: Determinar la prevalencia de astenopia en niños escolares de 6 a 17 años, por el uso de dispositivos digitales durante la pandemia por COVID-19. Método de investigación: Se realizó una revisión sistemática cualitativa mediante la pregunta PICOT; la búsqueda de literatura científica se realizó en Medline PubMed, Elsevier, Scielo, Scopus, Science direct, EBSCO, y JSTOR, con palabras clave en inglés y español, publicados entre 2020 y 2022. La calidad metodológica de los artículos se evaluó mediante herramientas como Newcastle-Ottawa para estudios trasversales y AMSTAR para revisiones sistemáticas, se incluyeron artículos de revisión, de investigaciones científicas, cualitativas, artículos de revistas y estudios de casos y controles, y/o estudios transversales, que abordaran el tema prevalencia de astenopia por uso de los dispositivos electrónicos en escolares, durante la pandemia del COVID-19. El reporte de la revisión se realizó con base en la declaración PRISMA.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».