Knowledge of Sleep Disorders Among Physicians at a Tertiary Care Hospital in Qatar: Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: Sleep disorders constitute a major health problem because of their relatively high and rising prevalence. Several studies worldwide have analyzed health care providers' knowledge of sleep disorders. OBJECTIVE: In this study, we aimed to assess the knowledge of sleep disorders among physicians in Qatar. METHODS: A total of 250 physicians were surveyed regarding their knowledge of sleep medicine by using the validated 30-item Assessment of Sleep Knowledge in Medical Education (ASKME) Survey. The participants included residents, fellows, and consultants in medicine and allied subspecialties. A high score was defined as ≥60% of correctly answered questions, implying the respondent has adequate knowledge of sleep disorders. RESULTS: Responses were received from 158 of the 250 physicians, with a response rate of 63.2%. This included responses from 34 residents, 74 clinical fellows, and 50 consultants. The overall mean score was 15.53 (SD 4.42), with the highest possible score of 30. Only 57 of 158 (36.1%) respondents were able to answer ≥60% of the questions correctly. No statistically significant difference was found in the scores of participants with regard to their ranks (ie, residents, fellows, or consultants) or years of medical training. CONCLUSIONS: This study demonstrates that health care providers in Qatar have decreased awareness and knowledge about sleep medicine, which may reflect reduced emphasis on sleep disorders during medical school and training. Increasing awareness regarding sleep medicine among nonspecialist physicians will allow early detection and treatment of sleep disorders, thereby reducing the morbidity associated with these disorders.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».