High STOP-Bang score indicates a high probability of obstructive sleep apnoea
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
BACKGROUND: The STOP-Bang questionnaire is used to screen patients for obstructive sleep apnoea (OSA). We evaluated the association between STOP-Bang scores and the probability of OSA. METHODS: After Institutional Review Board approval, patients who visited the preoperative clinics for a scheduled inpatient surgery were approached for informed consent. Patients answered STOP questionnaire and underwent either laboratory or portable polysomnography (PSG). PSG recordings were scored manually. The BMI, age, neck circumference, and gender (Bang) were documented. Over 4 yr, 6369 patients were approached and 1312 (20.6%) consented. Of them, 930 completed PSG, and 746 patients with complete data on PSG and STOP-Bang questionnaire were included for data analysis. RESULTS: The median age of 746 patients was 60 yr, 49% males, BMI 30 kg m(-2), and neck circumference 39 cm. OSA was present in 68.4% with 29.9% mild, 20.5% moderate, and 18.0% severe OSA. For a STOP-Bang score of 5, the odds ratio (OR) for moderate/severe and severe OSA was 4.8 and 10.4, respectively. For STOP-Bang 6, the OR for moderate/severe and severe OSA was 6.3 and 11.6, respectively. For STOP-Bang 7 and 8, the OR for moderate/severe and severe OSA was 6.9 and 14.9, respectively. The predicted probabilities for moderate/severe OSA increased from 0.36 to 0.60 as the STOP-Bang score increased from 3 to 7 and 8. CONCLUSIONS: In the surgical population, a STOP-Bang score of 5-8 identified patients with high probability of moderate/severe OSA. The STOP-Bang score can help the healthcare team to stratify patients for unrecognized OSA, practice perioperative precautions, or triage patients for diagnosis and treatment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découle