Determinants of sleep quality in women with systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To characterize sleep complaints in women with systemic lupus erythematosus (SLE) and to identify correlates of sleep quality. METHODS: Sleep quality in 100 women with SLE was assessed using the Pittsburgh Sleep Quality Index (PSQI). Participants completed standardized questionnaires assessing depressed mood, leisure time physical activity, functional disability, and pain severity. A clinical examination determined disease activity, cumulative damage, and whether patients fulfilled the American College of Rheumatology criteria for fibromyalgia. A series of hierarchical multiple regressions were computed. RESULTS: The mean +/- SD global PSQI score was 6.98 +/- 4.03, with moderate to severe sleep impairment reported by 56% of the sample. The first model testing the importance of demographic factors was not statistically significant. In the disease-related model, the use of prednisone and functional disability both contributed to poor sleep quality (P < 0.001). The addition of level of exercise participation to the demographic set significantly added to the model (P = 0.001). Depression significantly added to the demographic set, explaining 29% of the variance (P < 0.0001). When these variables, along with disease related variables, were simultaneously regressed on the PSQI Global Score, only depressed mood appeared as a significant independent determinant of global sleep quality (P < 0.001). However, the point estimates for the Beta coefficients were consistent with effects for lack of exercise and prednisone use. CONCLUSION: A significant proportion of women with SLE suffer from poor sleep quality. The findings suggest that depressed mood, prednisone use, and lack of exercise contribute to decreased overall sleep quality.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».