Sleep quality and its correlates in patients with chronic kidney disease: a cross-sectional design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Since sympathovagal imbalance influences clinical phenomena, such as hypertension, diabetes mellitus, chronic kidney disease (CKD) and sleeping problems, there should be correlations between these conditions. We hypothesized that sleep quality would be correlated with estimated glomerular filtration rate (eGFR), blood pressure and the presence of diabetes. METHODS: We included 303 CKD patients in this study. We employed the Pittsburgh Sleep Quality Index (PSQI), Beck Depression Inventory (BDI) and Short Form 36 Quality of Life Health Survey Questions (SF-36) to screen sleeping disturbances, depression and quality of life, respectively. A chart review was performed for the patients' demographics, diagnoses and certain laboratory parameters--including blood glucose, hemoglobin, albumin, calcium, phosphate, parathyroid hormone and eGFR. Multivariate logistic regression models were employed to estimate odds ratios with 95% confidence intervals. RESULTS: We included 303 patients in this cross-sectional study. A total of 101 patients were on dialysis. In the univariate models, gender, calcium and mental component summary scores (MCS) reached a significant level of 0.1, and those covariates were included in the multivariate analysis. The reduced models included gender and MCS categories. Female gender increases the risk for poor sleep quality. In our report, evidence suggests MCS domain scores are inversely related to the risk for impaired sleep. CONCLUSION: Our results indicated a high burden of sleep disturbances in kidney patients. In addition, female gender and having low MCS scores may influence sleep quality in kidney patients.
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.
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 | 0,000 | 0,000 |
| 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 découle