Restless legs syndrome in patients on hemodialysis: Polysomnography findings
Notice bibliographique
Résumé
Abstract Introduction: Restless legs syndrome (RLS) is a highly prevalent sleep movement disorder usually accompanied by periodic limb movements of sleep (PLMS). The incidence of RLS and PLMS in patients with end‐stage renal disease (ESRD) on dialysis is much higher. Clinically, RLS and PLMS can co‐occur. We hypothesized that patients with ESRD on dialysis would have a distinct presentation of RLS, with a higher prevalence of PLMS. Methods: We examined clinical, demographic, biochemical, and polysomnographic characteristics of RLS in patients on dialysis matched to control subjects with normal renal function based on age, sex, body mass index, and frequency of apneas and hypopneas per hour of sleep, defined by the apnea and hypopnea index (AHI), in a proportion of 3:1. Patients with ESRD were on hemodialysis three times per week. Polysomnography was performed overnight in the sleep laboratory. Findings: Patients on dialysis compared to control subjects had a lower amount of N3 sleep (77.6 ± 39.9 minutes vs. 94.8 ± 33.7 minutes, p = 0.037) and REM sleep (55.6 ± 27.5 minutes vs. 74.1 ± 28.4 minutes, p = 0.006), regardless of the presence of RLS. Among the patients on dialysis, those with RLS had higher PLMS. In the control group, patients with RLS had a lower ferritin level, which was not observed in the dialysis group. There was a significant interaction between PLMS and ESRD (p = 0.001), with a higher prevalence of PLMS in patients with ESRD on dialysis in a model adjusted for AHI, sex, arousals, and age. Factors that were associated with PLMS were RLS (p = 0.003), ESRD (p = 0.0001), and AHI (p = 0.041), with an adjusted R 2 of 0.321. Conclusion: RLS in patients with ESRD on dialysis is independently associated with PLMS, regardless of the severity of sleep apnea, arousals, and age.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».