低收入和中等收入国家糖尿病视网膜病变查模型:范围审查
Yeni Dwi Lestari1,2,3, Ratna Sitompul4,5, Indah Suci Widyahening6
1Doctoral Program in Medical Sciences, Faculty of Medicine, Universitas Indonesia, Jakarta, Indonesia. yeni2lestari@yahoo.com.
BMC public health
|December 3, 2025
概括
在低收入和中等收入国家 (LMICs) 进行糖尿病视网膜病变查,使用各种方法,包括人工智能和社区计划,以改善早期检测. 基础设施和培训方面的挑战仍然存在,但创新的方法可以提高覆盖范围和准确性.
科学领域:
- 眼科医生 眼科 眼科
- 公共卫生 公共卫生
- 医疗信息学 医疗信息学
背景情况:
- 糖尿病视网膜病变 (DR) 是导致工作年龄成人失明的主要原因,特别是在低收入和中等收入国家 (LMICs).
- 由于资源限制,在LMIC中经常缺少有效的DR查计划.
- 早期干预对于预防DR相关的视力损失至关重要.
研究的目的:
- 对LMICs实施的糖尿病视网膜病变 (DR) 查模型进行范围审查.
- 识别现有证据,研究缺口和改善DR查在这些环境中的策略.
- 在资源有限的环境中分析各种DR选方法的有效性和实施.
主要方法:
- 在多个数据库中进行了全面的文献搜索.
- 包括在过去20年内发表的专家评审文章,重点关注LMIC中DR查模型.
- 关于研究设计,查技术和结果的数据被提取并以叙事方式合成.
主要成果:
- 综合了30项关于LMIC中DR查的研究,主要来自南亚和非洲.
- 研究了多种查方法,包括传统的眼科检查,远程医疗和人工智能 (AI).
- 使用人工智能辅助分级,远程分级和存储和转发系统的非脑膜底部摄影是常见的,优化了资源使用.
- 基于社区的查,对非医生进行图像采集培训,以及基于智能手机的成像显示了成本效益和改善了患者的坚持.
- 持续面临的挑战包括基础设施有限,培训不一致以及患者随访方面的困难.
结论:
- 在LMICs中糖尿病视网膜病变查有效地整合了传统和新技术,如远程医疗和人工智能.
- 基于社区的战略和人工智能提高了DR查计划的覆盖范围和准确性.
- 成功过渡到以人口为基础的查需要改善糖尿病监测和初级保健整合.
