Cardiovascular Disease and Health-Care Utilization in Snorers: a Population Survey
Notice bibliographique
Résumé
STUDY OBJECTIVES: We assessed the prevalence of self-reported snoring in the Hungarian population and established whether different types of snoring are associated with cardiovascular disorders and increased health-care utilization. DESIGN: Cross-sectional study. Door-to-door survey. SETTING: Nationally representative population in Hungary. PARTICIPANTS: Interviews were carried out in the homes of 12,643 persons. We used the Hungarian National Population Register as the sampling frame and implemented a clustered, stratified sampling procedure. The study population represented 0.16% of the population over the age of 18 years according to age, sex, and 150 subregions of the country. INTERVENTIONS: Not applicable. MEASUREMENTS AND RESULTS: Thirty-seven percent of men and 21% of women reported loud snoring with breathing pauses. Hypertension, myocardial infarction, and stroke were reported by 26%, 3%, and 4% of the respondents, respectively. There was a significant increase in the prevalence of hypertension, myocardial infarction, and stroke in quiet and loud snorers, as compared with nonsnorers. Multivariate analysis showed an association between loud snoring and hypertension (odds ratio [OR]: 1.40, 95% confidence interval [CI]: 1.24-1.58), myocardial infarction (OR: 1.34, CI: 1.04-1.73), and stroke (OR: 1.67, CI: 1.32-2.11) after statistical adjustment for age, sex, body mass index, diabetes, level of education, smoking, and alcohol consumption. Loud snoring was also associated with measures of health-care use in both sexes. CONCLUSIONS: Snoring is frequent in the Hungarian adult population, and loud snoring with breathing pauses, in contrast with quiet snoring, is associated with an increased risk of cardiovascular disease and increased health-care utilization.
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 | 0,000 |
| 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) | 0,000 | 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 ».