Prevalence of High Epworth Sleepiness Scale Scores in a Rural Population
Notice bibliographique
Résumé
BACKGROUND: Increased daytime sleepiness is an important symptom of obstructive sleep apnea (OSA). OSA is frequently underdiagnosed, and the Epworth Sleepiness Scale (ESS) can be a useful tool in alerting physicians to a potential problem involving OSA. OBJECTIVE: To measure the prevalence and determinants of daytime sleepiness measured using the ESS in a rural community population. METHODS: A community survey was conducted to examine the risk factors associated with ESS in a rural population in 154 households comprising 283 adults. Questionnaire information was obtained regarding physical factors, social factors, general medical history, family medical history, ESS score, and self-reported height and weight. Multivariable binary logistic regression analysis based on the generalized estimating equations approach to account for clustering within households was used to predict the relationship between a binary ESS score outcome (normal or abnormal) and a set of explanatory variables. RESULTS: The population included 140 men (49.5%) and 143 women (50.5%) with an age range of 18 to 97 years (mean [± SD] 52.0±14.9 years). The data showed that 79.2% of the study participants had an ESS score in the normal range (0 to 10) and 20.8% had an ESS score >10, which is considered to be abnormal or high sleepiness. Multivariable regression analysis revealed that obesity was significantly associated with an abnormal or high sleepiness score on the ESS (OR 3.40 [95% CI 1.31 to 8.80). CONCLUSION: High levels of sleepiness in this population were common. Obesity was an important risk factor for high ESS score.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».