Factors associated with poor sleep quality in patients with pre‐dialysis chronic kidney disease: A systematic review
Notice bibliographique
Résumé
AIMS: To determine factors associated with poor sleep quality among patients with pre-dialysis chronic kidney disease. DESIGN: This is a systematic review study guided by Preferred Reporting Items for Systematic Reviews and Meta-Analyses statements and checklist. DATA SOURCES: Empirical evidence was sought in major electronic databases, including Embase, MEDLINE, CINAHL and Airiti library from March to September 2022. REVIEW METHODS: Studies investigating factors associated with poor sleep quality among adult patients with chronic kidney disease were included. Study participants who received renal replacement therapy and had sleep disorders and serious illnesses such as cancer were excluded. Of the 526 studies that resulted from the search after removing duplicate articles, 20 studies were assessed for quality by using Joanna Briggs Institute and Newcastle-Ottawa Scale by two doctorial prepared nursing scientists. RESULTS: A total of 20 studies were included in this review. The prevalence of poor sleep quality in these studies ranged from 11% to 97.5%. Demographics (older age and female), physiological conditions (higher body mass index, higher hip circumferences, higher systolic blood pressure, poor cardiovascular function, dyspnoea, pain, cramps, itchiness or moderate to extreme pruritus, lower fasting plasma glucose, electrolyte imbalance, higher total cholesterol and gastrointestinal symptoms), depression, smoking, arousal-related and cognitive arousal behaviours were associated with poor sleep quality. CONCLUSION: Poor sleep quality was prevalent and influenced kidney function, increased mortality as well as decreased quality of life in patients with pre-dialysis chronic kidney disease. This review synthesizes factors associated with poor sleep quality. Managing these factors can mitigate and prevent poor sleep quality. IMPACT: Healthcare providers, especially nurses, can assess the risk factors of poor sleep quality and reinforce patients' self-management. Future research should elucidate the assessment and management of risk factors and transfer these into widespread use in the routine care of patients with chronic kidney disease.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».