Prevalencia de astenopia en niños escolares de 6 a 17 años, por el uso de pantallas digitales durante la pandemia por covid-19 (2020-2022): revisión sistemática
Bibliographic record
Abstract
Introducción: El uso de dispositivos electrónicos es primordial en la vida cotidiana a nivel mundial y gracias a la emergencia sanitaria por COVID-19 se incrementó, obligando a los estudiantes a tomar clases virtuales, y esto aumento la prevalencia de astenopia. Objetivo General: Determinar la prevalencia de astenopia reportada por la literatura en niños escolares de 6 a 17 años, por el uso de pantallas digitales durante la pandemia por COVID-19. Método de Investigación: Se realizo una revisión sistemática cualitativa mediante la pregunta PECO; la búsqueda bibliográfica de realizo en bases las bases de datos, con ecuaciones construidas con palabras clave a partir de DeCS y MesH, términos libres en inglés y español y operadores booleanos, se incluyeron artículos publicados entre 2020 y 2022. La calidad metodológica, se evaluó mediante herramientas como Newcastle-Ottawa y AMSTAR, se incluyeron artículos de revisión, 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. Resultados: La prevalencia de astenopia reportada por los estudios revisados osciló entre 49,28% a 69,84%.en la población escolar durante la pandemia COVID-19, los síntomas más comunes fueron; ojo seco, cefalea, ardor y escozor ocular; El tiempo dedicado al uso de estos dispositivos aumento y, por otra parte, se asociaron a estos factores ergonómicos. Conclusiones: Esta revisión sistemática muestra que la prevalencia de astenopia se incrementó en todo el mundo. Las causas identificadas para el desarrollo de esta fatiga visual digital incluyen la demanda visual, la proximidad de trabajo, la iluminación, el tiempo de uso prolongado pantallas digitales, la disminución en la frecuencia de parpadeo y el uso de pantallas pequeñas, provocando la inestabilidad de la película lagrimal, aumento en defectos refractivos como la miopía y problemas acomodativos en los niños.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".