Sleep Disorders in Patients with Parkinson's Disease during COVID-19 Pandemic
Notice bibliographique
Résumé
Objective: To assess the impact of coronavirus disease 2019 (COVID-19) pandemic on sleep disorders among Parkinson's disease (PD) patients using validated questionnaires. Materials and Methods: This prospective study involved 50 PD patients and 50 age, gender, and body mass index-matched controls. All participants underwent assessment of cognition using Montreal Cognitive Assessment scale, sleep quality using Parkinson's disease sleep scale-2 (PDSS-2; for PD patients) and Pittsburgh Sleep Quality Index (PSQI; for PD patients and healthy controls), excessive daytime sleepiness (EDS) using Epworth sleepiness scale (ESS), insomnia symptoms and severity using insomnia severity index (ISI), restless legs syndrome (RLS) using International RLS Study Group criteria, rapid eye movement sleep behavior disorder (RBD) using RBD Single-Question Screen (RBD1Q), and depression using Patient Health Questionnaire-9 scale. Results: Eighty-eight percent of PD patients reported one or more sleep disorders, compared to 28% controls. While 72% of PD patients reported poor sleep quality (PDSS-2 ≥15, PSQI >5), 60% had insomnia, 58% reported RBD, 50% had EDS, and 36% reported RLS. Depressive symptoms were reported by 70% patients. PD patients with and without poor sleep quality were comparable with regards to demographic and clinical variables, except for depressive symptoms ( P < 0.001). Depressive symptoms showed a significant association with EDS ( P = 0.008), RBD ( P < 0.001), and insomnia ( P = 0.001). Conclusion: Prevalence of sleep disorders increased in PD patients during the COVID-19 pandemic. Prevalence of EDS, RBD, and RLS in PD patients was higher compared to that reported in studies during the pre-COVID-19 times. Presence of depressive symptoms was a significant correlate of presence of sleep disorders in PD patients.
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 ».