Association between physical multimorbidity and sleep problems in 46 low- and middle-income countries
Notice bibliographique
Résumé
BACKGROUND: Little is known about the association between multimorbidity (i.e., two or more chronic conditions) and sleep problems in the general adult populations of low- and middle-income countries (LMICs). Thus, we aimed to assess this association among adults from 46 LMICs, and to quantify the extent to which anxiety, depression, stress, and pain explain this association. METHODS: Cross-sectional, predominantly nationally representative, community-based data from the World Health Survey were analyzed. Nine chronic physical conditions (angina, arthritis, asthma, chronic back pain, diabetes, edentulism, hearing problems, tuberculosis, visual impairment) were assessed. To be included in the analysis, sleep problems had to have been experienced in the past 30 days and to have been severe or extreme; they included difficulties falling asleep, waking up frequently during the night or waking up too early in the morning. Multivariable logistic regression and mediation analyses were conducted to explore the associations. RESULTS: Data on 237,023 individuals aged ≥18 years [mean (SD) age 38.4 (16.0) years; 49.2% men] were analyzed. Compared with no chronic conditions, having 1, 2, 3, and ≥4 conditions was associated with 2.39 (95%CI=2.14, 2.66), 4.13 (95%CI=3.62, 4.71), 5.70 (95%CI=4.86, 6.69), and 9.99 (95%CI=8.18, 12.19) times higher odds for sleep problems. Pain (24.0%) explained the largest proportion of the association between multimorbidity and sleep problems, followed by anxiety (21.0%), depression (11.2%), and stress (10.4%). CONCLUSIONS: Multimorbidity was associated with a substantially increased odds for sleep problems in adults from 46 LMICs. Future studies should assess whether addressing factors such as pain, anxiety, depression, and stress in people with multimorbidity can lead to improvement in sleep in this population.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».