A patient survey of sleep quality in the Intensive Care Unit.
Notice bibliographique
Résumé
BACKGROUND: Patients in the Intensive Care Unit (ICU) experience qualitative and quantitative sleep disruption leading to sleep deprivation and adverse sequelae. Patient-related factors, environmental factors, and health-support techniques contribute to sleep disruption. This quality improvement study examines potential factors contributing to poor sleep in the ICU. METHODS: Medical and surgical patients who spent at least one night in one of two academic Canadian ICUs were asked to complete a questionnaire that explored quality and quantity of sleep, factors contributing to poor sleep, and suggested modifications to improve sleep in the ICU. Patient demographics as well as admission data were recorded. RESULTS: Study population was 116 patients (63 M:53 F). Mean age was 55.5 ± 18.1 years and APACHE II score 16.0 ± 7.9. 45.7% were mechanically ventilated, and 68.9% received intravenous sedatives and/or analgesics. Sleep quality in the ICU was rated as poor/very poor by 59% of patients compared to 24% at home; the 5 most frequently cited reasons for this were noise, pain, light, loud talking, and intravenous catheters. Patients suggested the following nocturnal modifications: closing doors/blinds, no unnecessary interruptions, sleeping pills, and dimmed lights. No significant correlations were found between perceived sleep quality and illness severity or mechanical ventilation. Patients who received intravenous sedatives reported better sleep quality (P<0.01). CONCLUSION: Patients commonly report poor sleep in the ICU related to environmental factors that are potentially modifiable.
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 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».