Advanced Age and Depression are Associated with Poor Sleep Quality in Older Adults: Outpatients Setting at a Tertiary Care in Northeast Thailand
Notice bibliographique
Résumé
Background: Poor sleep quality is common and related to worse health outcomes in older adults.It is thus crucial to identify and treat modifiable risk factors.Objective: To determine the factors associated with poor sleep quality in older adults in outpatient settings. Materials and Methods:A cross-sectional study was conducted between October 1, 2019 to January 31, 2022, at Srinagarind Hospital in Thailand.Subjects aged 60 years at an outpatient clinic of the internal medicine department were included.Sleep quality was evaluated by the Pittsburgh Sleep Quality Index (PSQI).Demographic data, PSQI, Patient Health Questionaire (PHQ)-9, and Montreal Cognitive Assessment (MoCA) scores were obtained.Factors associated with poor sleep quality were analyzed using stepwise backward multiple logistic regression, and results were presented as adjusted odds ratio (aOR) with 95% confidence interval (CI). Results:The study enrolled 198 subjects.Of these, the frailty occurred in 28.78%.The prevalence of poor sleep quality was 40.9%.The independent factors associated with poor sleep quality were advanced age (aOR of 1.07, 95% CI 1.01 to 1.13, p=0.04) and high PHQ-9 score (aOR of 1.49, 95% CI 1.27 to 1.80, p<0.001). Conclusion:The prevalence of older adults in outpatient settings with poor sleep quality was high.Factors associated with poor sleep quality were advanced age and depression.Screening and treating depression in older adults who have poor sleep quality may help improve their 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 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 | 0,005 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».