Tertiary pediatric sleep services in Canada: A national survey
Notice bibliographique
Résumé
BACKGROUND Sleep disordered breathing (SDB) prevalence ranges from 10% to 14% with obstructive sleep apnea prevalence of 1-4% in the general pediatric population. Its diagnosis and management require complex testing with polysomnography and a specialized care team, often at pediatric tertiary care centers.OBJECTIVE The objectives of this study are to describe the composition of pediatric tertiary care sleep clinics across Canada and describe wait times for clinic and diagnostic services across Canada.METHODS A 6-section questionnaire was sent to 16 sleep laboratory directors from tertiary pediatric sleep centers within Canada. Questions related to sleep clinic/laboratory capacity, referral volumes, wait times and the pandemic impact.RESULTS Responses were obtained from 15 of 16 sleep laboratory directors from tertiary pediatric sleep centers within Canada. Some provinces and territories have no sleep physicians. The total number of physicians providing coverage in the sleep clinics ranged from 2 to 15 across the country. Reported volume of patients waiting for their initial assessment was greater than 300 among 5 of the 13 centers (38%) that provided a response. The potential annual number of children in each province/territory per sleep study ranged greatly from 530 to 1,530. Potential annual number of polysomnograms performed ranged from 210 to 2,700 across provinces, allowing approximately 8,110 polysomnograms per year.CONCLUSION Our recent survey demonstrates that despite the continued need for more pediatric sleep resources in Canada there remains a shortage. We estimate that even if only children with SDB were tested with a polysomnogram there are 9.39 times more children with SDB than testing capacity without accounting for incident cases.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».