Obstructive sleep apnea and quality of life: comparison of the SAQLI, FOSQ, and SF-36 questionnaires
Notice bibliographique
Résumé
INTRODUCTION: The impact of sleep on quality of life (QoL) has been well documented; however, there is a great need for reliable QoL measures for persons with obstructive sleep apnea (OSA). We compared the QoL scores between the 36-Item Short Form of the Medical Outcomes Survey (SF-36), Calgary Sleep Apnea Quality of Life Index (SAQLI), and Functional Outcomes Sleep Questionnaire (FOSQ) in persons with OSA. METHODS: A total of 884 participants from the Sleep Heart Health Study second examination, who completed the SF-36, FOSQ, and SAQLI, and in-home polysomnograms, were included. The apnea hypopnea index (AHI) at 4% desaturation was categorized as no OSA (<5 /hour), mild to moderate OSA (5-30 /hour) and severe OSA (>30 /hour). QoL scores for each questionnaire were determined and compared by OSA severity category and by gender. RESULTS: , p<.0001). The SF-36 PCS and Mental Component Scores (MCS) were correlated with the FOSQ and SAQLI (r=.37 PCS vs FOSQ; r=.31 MCS vs FOSQ; r=.42 PCS vs SAQLI; r=.52 MCS vs SAQLI; and r=.66 FOSQ vs SAQLI, p<.001 for all correlations). Linear regression analyses, adjusting for potential confounders, indicated that the impact of OSA severity on QoL is largely explained by the presence of daytime sleepiness. CONCLUSION: The impact of OSA on QoL differs between genders with a larger effect on females and is largely explained by the presence of daytime sleepiness. Correlations among QoL instruments are not high and various instruments may assess different aspects of QoL.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».