Notice bibliographique
Résumé
To examine the relationship between smoking and sleep apnea. Cross-sectional case study University hospital sleep clinic We studied 3,509 patients. None Smoking history (past, present, neversmoker, pack-years of smoking) and nocturnal polysomnography was obtained in all patients. Data analysis was performed as follows: Patients were divided into groups based on apnea severity (to compare smoking), and on smoking severity (to compare apnea hypopnea index - AHI). The relationship between smoking and apnea was examined using univariate, multivariate, and logistic regression analysis. We found that patients with AHI greater than 50 were heavier smokers than nonapneic controls (14 ± 17 vs. 10 ± 17 pack-years, respectively). Conversely, heavy smokers had higher AHI than non-smokers (26.3 ± 28.3 vs. 19.7 ± 23.9, respectively). There was no significant relationship between AHI and smoking in multiple regression analysis. Although logistic regression revealed that heavy smokers (>30 pack-yrs) had almost twice the risk of having AHI greater than 50 compared to nonsmokers, the odds ratio fell below one after adjusting for age, BMI, and gender. In our patient population, smoking is not an independent risk factor for sleep apnea after adjusting for other confounding variables.
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 | 0,000 | 0,001 |
| 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 ».