Prevalence and determinants of poor sleep quality among diabetic patients in Ethiopia: systematic review
Notice bibliographique
Résumé
Background: Poor sleep quality can exacerbate many other physiological functions, such as obesity, cardiovascular disease, and high blood pressure. Although primary studies were conducted in Ethiopia, no studies concluded the pooled prevalence of poor sleep quality in Ethiopia. Therefore, this study was conducted to determine the pooled prevalence and its determinants of sleep quality among diabetes in Ethiopia. Objective: Assess the pooled prevalence and its determinants of sleep quality among diabetes in Ethiopia. Methods: The studies were searched systematically using international databases from PubMed, Google Scholar, Cochrane Library, Embase, and CINAHL. The quality of the articles searched was assessed using the New Castle Ottawa scale for a cross-sectional study design. Statistical analysis was performed using STATA version 14 and a systematic review was performed using a random effect model method. The Preferred Reporting Item for Systematic Review and Meta-analyses (PRISMA) guideline was followed for reporting results. Results: From the total of 728 records screened, 8 studies with 2,471 participants who met the inclusion criteria were included in this systematic review. The estimated pooled prevalence of poor sleep quality in Ethiopia was 48.54%. Conclusion: Almost half of diabetes patients had poor sleep quality. The preparation of brochures on diabetic information and the organization of health education about the negative impact of poor sleep quality on patients are among the best modalities to improve the problem of 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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».