Sleep-Related Disorders in Patients with CKD and Kidney Transplant Recipients
Notice bibliographique
Résumé
Sleep disorders such as insomnia, restless legs syndrome (RLS), and sleep apnea (SA) are common in patients with CKD. These conditions tend to become more prevalent and more severe as kidney function deteriorates and when a patient reaches ESKD. The prevalence of insomnia in the general population ranges from 4% to 29% compared with ( 1 ) 30%-67%, ( 2 ) 39%-54%, ( 3 ) 41%-79%, and ( 4 ) 9%-49% in patients with CKD, on hemodialysis, on peritoneal dialysis (PD), or in kidney transplant recipients (KTRs), respectively. RLS occurs in approximately 1%-15% of the general population compared with ( 1 ) 5%-18%, ( 2 ) 24%-33%, ( 3 ) 23%-64%, and ( 4 ) 6%-8% in patients with CKD, on hemodialysis, on PD, or in KTRs, respectively. Obstructive SA has been reported in ( 1 ) 40%-69%, ( 2 ) 25%-47%, ( 3 ) 9%-52%, and ( 4 ) 25%-30% in patients with CKD, on hemodialysis, on PD, or in KTRs, respectively. Fatigue is a complex symptom that has been reported in patients with CKD, ESKD, and in KTRs and can be associated with sleep disorders. Fatigue and sleep disorders have been associated with negative outcomes such as progression of CKD, increased risk of morbidity, mortality, and lower health-related quality of life. In this review, we highlight nonpharmacologic and pharmacologic options for treatment of these sleep disorders. Specifically, the diagnosis and evaluation, epidemiology, risk factors and associations, outcomes (such as CKD progression, morbidity, and mortality), treatment, and post-transplant outcomes for sleep disorders (insomnia, RLS, and SA) and fatigue will be discussed.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».