Sleep apnea in patients with chronic kidney disease: a single center experience
Notice bibliographique
Résumé
PURPOSE: The primary objective of this cross-sectional study was to test factors associated with sleep apnea in patients with chronic kidney disease (CKD). The prevalence of sleep apnea was also assessed. METHODS: We recruited patients with CKD Stage 3-5 who lived in the St. John's area from September 2012 to December 2012. The Berlin Questionnaire and Short Form 36 Quality of Life Health Survey Questions (SF-36) were administered to all participants. RESULTS: We recruited 303 patients (41% female). A total of 157 (51.8%) patients had a high risk for sleep apnea. Higher body mass index and young age were correlated with sleep apnea. Physical component score of SF-36 (PCS) tested as a continuous variable indicated a significant association with the risk for sleep apnea (OR: 0.97, 95% CI: 0.94-0.99, p = 0.03). The association implies 3% change per one point increase in PCS. We categorized mental component score of SF-36 (MCS) into four quartiles, as the linearity assumption was violated. There was a 61% risk increase for poor sleep in those with an MCS score less than the 75th percentile, when compared to those above the 75th percentile (OR: 0.39, 95% CI: 0.21-0.71, p = 0.002). CONCLUSIONS: Sleep apnea is common in kidney patients. People who have low PCS and MCS scores are more prone to sleep apnea or vice versa. Our results also indicate that high BMI and young age are associated with sleep apnea.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».