A systematic review on sleep-related breathing disorders in athletes and para-athletes
Notice bibliographique
Résumé
OBJECTIVE: This comprehensive review aims to examine the frequency, consequences, risk factors, and treatment outcomes associated with sleep-related breathing disorders (SRBDs) among athletic populations. METHODS: A systematic literature search was conducted across seven databases from inception through July 2024. RESULTS: Of 3925 studies captured in the search, 20 publications met the inclusion/exclusion criteria. The frequency of SRBDs (apnea-hypopnea index ≥5 events/hour) varied from 7 % to 86.5 %, according to sport modality: (a) 24 % to 86.5 % in rugby players (n = 4 studies); (b) 8 % to 62.5 % in active football players (n = 4); (c) 22 % to 41 % in retired football players (n = 4); (d) 8 % in basketball players (n = 1); (e) 30 % in elite swimmers (n = 1); (f) 61 % in ice hockey players (n = 1); (g) 68 % in judo athletes (n = 1); (h) 58.5 % in golf players (n = 1); (i) 7 % in Brazilian Olympic athletes (n = 1); and (i) 22 % in para-athletes with spinal cord injury (n = 1). Reported consequences (n = 9) included impaired cardiac function, depression, cognitive impairment, and excessive daytime sleepiness. Identified risk factors (n = 12) included: older age, male sex, high body mass index, heavy weight, large neck circumference, prior history of concussion, and playing the lineman or forward position. Treatment with continuous positive airway pressure (CPAP) therapy (n = 2) improved sleep quality, reduced daytime sleepiness, and enhanced athletic performance among golfers and judo athletes; mandibular advancement device (n = 2) reduced apnea severity and snoring among rugby players. CONCLUSIONS: SRBDs occur frequently in athletic populations and pose significant health and performance implications if untreated. There is a paucity of research on SRBDs in para-athletes, which highlights a major knowledge gap.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».