Diagnosis, comorbidities, and management of restless legs syndrome
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
OBJECTIVE: This narrative review describes the differential diagnosis of restless legs syndrome, and provides an overview of the evidence for the associations between RLS and potential comorbidities. Secondary causes of RLS and the characteristics of pediatric RLS are also discussed. Finally, management strategies for RLS are summarized. METHODS: The review began with a comprehensive PubMed search for 'restless legs syndrome/Willis-Ekbom disease' in combination with the following: anxiety, arthritis, attention-deficit hyperactivity disorder, cardiac, cardiovascular disease, comorbidities, depression, end-stage renal disease, erectile dysfunction, fibromyalgia, insomnia, kidney disease, liver disease, migraine, mood disorder, multiple sclerosis, narcolepsy, neuropathy, obesity, pain, Parkinson's disease, polyneuropathy, pregnancy, psychiatric disorder, sleep disorder, somatoform pain disorder, and uremia. Additional papers were identified by reviewing the reference lists of retrieved publications. RESULTS AND CONCLUSIONS: Although clinical diagnosis of RLS can be straightforward, diagnostic challenges may arise when patients present with comorbid conditions. Comorbidities of RLS include insomnia, depressive and anxiety disorders, and pain disorders. Differential diagnosis is particularly important, as some of the medications used to treat insomnia and depression may exacerbate RLS symptoms. Appropriate diagnosis and management of RLS symptoms may benefit patient well-being and, in some cases, may lessen comorbid disease burden. Therefore, it is important that physicians are aware of the presence of RLS when treating patients with conditions that commonly co-occur with the disorder.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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