Self-reported Sleep Quality Before and After Atrial Fibrillation Ablation
Notice bibliographique
Résumé
BACKGROUND: Poor sleep quality is highly prevalent in atrial fibrillation (AF) with reported links between worse sleep quality and higher AF severity. Little research has examined whether sleep quality changes after AF ablation despite it being a routinely performed procedure. OBJECTIVE: The aim of this study was to evaluate self-reported sleep quality before and after AF ablation and to examine whether sleep quality differs by AF severity or sex. METHODS: This longitudinal pilot study assessed sleep using the Pittsburgh Sleep Quality Index at preablation and at 1, 3, and 6 months after ablation. Atrial fibrillation disease severity was assessed by the Canadian Cardiology Society Severity of AF scale. Outcomes were analyzed using descriptive statistics, Spearman ρ correlations, and multilevel longitudinal models. RESULTS: The sample (N = 20) was 55% female with a mean age of 65 (±7) years. Poor sleep quality (mean Pittsburgh Sleep Quality Index scores > 5) was evident at all time points. Improvement was noted at 3 months (moderate effect size d = 0.49); and negligible further improvement, from 3 to 6 months post ablation. Improvement was seen primarily in male subjects (large effect size d = 0.89 at 3 months), with smaller improvements for female subjects. Although Severity of AF scale scores were not correlated with sleep quality, Severity of AF scale severity scores did significantly improve over time. CONCLUSIONS: Patients with AF have poor sleep quality that improves for the first 3 months after AF ablation, with men showing more improvement than women. A more accurate understanding of the sleep challenges after AF ablation could lead to development of more realistic patient education and improve patient self-management.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».