Sleep on the ward in intensive care unit survivors: a case series of polysomnography
Notice bibliographique
Résumé
BACKGROUND: Few studies have investigated sleep in patients after intensive care despite the possibility that inadequate sleep might further complicate an acute illness impeding recovery. AIMS: To assess the quality and quantity of a patient's sleep on the ward by polysomnography (PSG) within a week of intensive care unit (ICU) discharge and to explore the prevalence of key in-ICU risk factors for persistent sleep fragmentation. METHODS: We enrolled 20 patients after they have been mechanically ventilated for at least 3 days and survived to ICU discharge. We included all patients over the age of 16 years and excluded patients with advanced cognitive impairment or who were unable to follow simple commands before their acute illness, primary admission diagnosis of neurological injury, uncontrolled psychiatric illness or not fluent in English. RESULTS: Twenty patients underwent an overnight PSG recording on day 7 after ICU discharge (SD, 1 day). ICU survivors provided 292.8 h of PSG recording time with median recording times of 16.8 h (Interquartile range (IQR), 15.0-17.2 h). The median total sleep time per patient was 5.3 h (IQR, 2.6-6.3 h). In a multivariable regression model, postoperative admission diagnosis (P = 0.04) and patient report of poor ICU sleep (P = 0.001) were associated with less slow-wave (restorative) sleep on the wards after ICU discharge. CONCLUSIONS: Patients reported poor sleep while in the ICU, and a postoperative admission diagnosis may identify a high-risk subgroup of patients who may derive greater benefit from interventions to improve sleep hygiene.
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».