An Exploratory Study of Sleep Quality After Lung Transplantation Using the Pittsburgh Sleep Quality Index
Notice bibliographique
Résumé
Introduction: Sleep is essential for maintaining optimal physical and mental health as it supports crucial functions such as cognition, immune system regulation, and overall well-being. A growing emphasis on the importance of sleep warrants an investigation of sleep quality after lung transplantation. Research Question: What is the overall prevalence, nature, and severity of patient-reported disrupted sleep quality after lung transplantation using the Pittsburgh Sleep Quality Index (PSQI)? Design: This study employed a single-site, exploratory, cross-sectional descriptive design involving lung transplant recipients who completed an anonymous survey. Sleep quality was assessed using the PSQI scale. Additionally, participants provided self-reported data on demographic and transplant-related variables. Results: The response rate was 38.4% (61/158) and 64% of the respondents (39/61) demonstrated PSQI >5 with a mean PSQI score of 8.07 (SD = 4.5), suggestive of poor sleep quality. Lung transplant recipients reported difficulties across all components of sleep quality with more challenges in the categories of sleep duration, sleep latency, sleep efficiency, and the use of sleep medications. Conclusion: The prevalence of poor subjective sleep quality among lung transplant recipients highlighted the importance of continued investigation into this phenomenon. Further research employing standardized measures, larger sample sizes, and longitudinal study designs is warranted to enhance understanding of poor sleep post-lung transplant. Such endeavors are crucial for informing the development of effective assessment strategies and interventions aimed at improving sleep outcomes in patients after lung transplantation.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».