Self-report instruments for assessing sleep dysfunction in an adult traumatic brain injury population: A systematic review
Notice bibliographique
Résumé
OBJECTIVES: To review the number and characteristics of self-reported sleep measures used to evaluate impaired sleep/wakefulness in traumatic brain injury (TBI) populations. METHODS: We conducted a comprehensive peer-reviewed literature search of Medline, Embase, PsycINFO, CINAHL, and various bibliographies. Only standardized self-report measures for evaluating sleep dysfunction and its signs were taken into consideration. RESULTS: Sixteen self-report measures used in TBI research and clinical practices were identified. Five were generic, five symptom-related, and six were condition-specific measures. The Pittsburgh sleep quality index and Epworth sleepiness scale were partially validated in post-acute TBI. CONCLUSION: Although no instrument has been specifically developed for TBI patients, there are scientific benefits to using the existing measures. However, additional research is needed to examine their applicability to the TBI population. The design and introduction of a new instrument able to triage sleep-related complaints between depressive, other medical, and primary sleep disorders-with a section for caregiver reports-might assist in the identification of the etiology of sleep dysfunction in persons with TBI. In choosing or developing a sleep measure, researchers and clinicians must consider the specific domains they want to screen, diagnose, or monitor. Polysomnography is recommended for diagnosing specific sleep disorders that cannot be diagnosed solely using a self-report measure.
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 | 0,012 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».