Loud Snoring is A Risk Factor for Occupational Injury in Farmers
Notice bibliographique
Résumé
BACKGROUND: Loud snoring is a common symptom in the general population. The evidence-based literature indicates that snoring may be associated with sleep fragmentation and sleep apnea, which may affect cognitive function and predispose to occupational injury. High rates of occupational injury occur on farms and may be related to personal and health factors. Thus, loud snoring may not be a trivial symptom and should be considered as important in medical assessments. METHODS: A prospective cohort study was conducted in Saskatchewan. Baseline questionnaires were completed for 5502 individuals by representatives from 2390 farms. Sleep patterns at baseline were categorized as the following: no reported sleep disorders; physician-diagnosed sleep apnea (treatment unknown); and loud snoring. Survival analyses were used to relate sleep patterns with subsequent injury. RESULTS: A total of 6.7% (369 of 5502) of participants reported a possible sleep disorder. Of these, 69.4% (256 of 369) reported loud snoring only. Loud snoring was only associated with a consistent increase in risk (eg, HR 1.45 [95 CI 1.07 to 1.99 for work-related injury]) for five farm injury outcomes. Relationships between physician-diagnosed sleep apnea and time to first injury were not significant, presumably because a diagnosis of sleep apnea implied treatment for sleep apnea. DISCUSSION: Sleep disorders are an important potential risk factor for occupational injury on farms. Substantial proportions of farm residents report loud snoring and this is related to subsequent injury. Some of these cases may represent sleep fragmentation or undiagnosed obstructive sleep apnea. Identification and clinical management of sleep disorders related to snoring should be part of health assessments conducted by physicians.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».