Quality of sleep in patients with chronic kidney disease
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: Sleep disorders are common in patients with renal failure on dialysis; however, the prevalence of "poor sleep" in patients with chronic kidney disease (CKD) not yet on dialysis is not known. This study aimed to measure the prevalence of "poor sleep" in CKD patients and to examine the association between quality of sleep and the degree of renal impairment in this population. METHODS: Quality of sleep was measured using the Pittsburgh Sleep Quality Index (PSQI) in 120 prevalent CKD patients. RESULTS: Sixty-three subjects (53%) had "poor sleep" defined as a global PSQI score >5. There was no statistically significant relationship between the global PSQI score and the blood urea nitrogen level (BUN), serum creatinine level or calculated creatinine clearance, but the sleep efficiency component score correlated with BUN (r = 0.19, P = 0.04) and serum creatinine (r = 0.20, P = 0.03). A history of depression was the only independent predictor of "poor sleep" (global PSQI >5). CONCLUSIONS: "Poor sleep" is common in CKD patients. Quality of sleep decreases in the early stages of CKD and does not appear to be associated with the subsequent degree of renal failure. Large prospective longitudinal studies of quality of sleep in CKD patients are needed to confirm the high prevalence of impaired quality of sleep in this population and examine the association between renal function and quality of sleep while controlling for potential 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.
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 | 0,000 |
| 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) | 0,001 | 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 découle