The Prevalence of Obstructive Sleep Apnea and Associated Symptoms among Patients with Sickle Cell Disease: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Previous studies have shown that patients with sickle cell disease (SCD) are at high risk for obstructive sleep apnea (OSA). In the current study, we aimed to systematically review the literature to address the prevalence of OSA and associated symptoms among patients with SCD. Electronic databases, including Web of Science, Scopus, PubMed, Google Scholar, and Embase were systematically searched to identify the relevant original articles on patients with SCD. Newcastle Ottawa scale was used for quality assessment. Data were pooled by using random effects models. Subgroup analyses were performed by age groups. Thirty-nine studies containing details of 299,358 patients with SCD were included. The pooled results showed that more than half of these patients had OSA with different severities. The prevalence rates of OSA among children with apnea hypopnea index (AHI) cutoffs of above 1, 1.5, and 5 were 51% (95% confidence interval (CI) 36-67%), 29% (95% CI 19-40%), and 18% (95% CI 14-23%), respectively. The prevalence of OSA among adults with AHI cutoff of 5 was 43% (95% CI 21-64%). The pooled rates of snoring, nocturnal enuresis, nocturnal desaturation, and daytime sleepiness were 55% (95% CI 42-69%), 37% (95% CI 33-41%), 49% (95% CI 26-72%), and 21% (95% CI 12-30%), respectively. Given the high prevalence of OSA in patients with SCD, probable greater burden of SCD complications, and irreversible consequences of OSA, screening for OSA symptoms and signs seems useful in these patients. By screening and identifying this heterogeneous disorder earlier, available treatment modalities can be individualized for each patient.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».