Sleep quality after stroke: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Sleep-related problems are debilitating and long-lasting conditions in individuals with stroke. We aimed to estimate the prevalence of poor sleep quality after stroke by conducting a systematic review and meta-analysis. METHODS: Five databases (PubMed, Embase, Web of Science, Scopus, and CINHAL) were searched for literature published before November 2022. Studies recruiting participants with stroke, using a validated scale to measure sleep quality and in English were included. We used the Agency for Healthcare Research and Quality Scale and Newcastle-Ottawa Scale to assess the quality of eligible studies. Pooled prevalence and subgroup analyses were performed to understand the variation in sleep quality among studies. We followed the PRISMA checklist to report the study. RESULTS: Thirteen studies were included for analysis (n = 3886). The pooled prevalence of poor sleep quality was 53% (95% CI 41-65%). Studies using PSQI with a cutoff point of 7 had a prevalence of 49% (95% CI 26-71%), whereas those with a cutoff point of 5 had a higher prevalence of 66% (95% CI 63-69%) (P = .13). Geographical location could explain the prevalence variation between studies. The majority of included studies had a medium level quality of evidence (10/13). CONCLUSION: Poor sleep quality appears to be common in patients with stroke. Considering its negative impact on health, effective measures should be taken to improve their quality of sleep. Longitudinal studies should be conducted to examine the contributing factors and investigate the mechanisms that lead to poor sleep quality.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,044 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».