Prevalence, predictors and treatment of insomnia in palliative care : systematic review of literature
Bibliographic record
Abstract
Introdução: a função primordial dos cuidados paliativos é melhorar a qualidade de vida. O reconhecimento e tratamento dos sintomas que causam sofrimento é central para a concretização desse objetivo. A insónia pode causar desconforto e acarretar um peso acrescido de sofrimento aos doentes e famílias em cuidados paliativos. O conhecimento sobre a prevalência, fatores associados e tratamento da insónia nos cuidados paliativos é escasso. Metodologia: revisão da literatura com o objetivo de sistematizar o conhecimento sobre a prevalência, os preditores, e as opções de tratamento da insónia em doentes em cuidados paliativos. As fontes primárias de investigação foram identificadas e selecionadas através das bases de dados Pubmed e Scopus. A pesquisa foi complementada pela pesquisa de referências nos artigos identificados e em revisões selecionadas. A OpenGrey e o Google Scholar foram usadas para pesquisa de literatura cinzenta. A análise da qualidade dos estudos foi com base na Newcastle-Ottawa Scale. Resultados: foram incluídos 65 estudos na revisão. A maior parte dos estudos teve qualidade aceitável/boa. A prevalência da insónia nos estudos incluídos variou entre 2.1 a 100%, com prevalência mediana global de 49.5%. Fatores sociodemográficos como a idade; características clínicas como o estado funcional, estadio da doença, dor, uso de fármacos específicos, incluído os opióides; fatores psicológicos como a ansiedade/depressão, e espirituais como a sensação de bem-estar foram identificados como preditores. As opções de tratamento identificadas foram biológicas (farmacológicos e não farmacológicos), psicológicas (visualização, relaxamento) e espirituais (oração). Conclusões: a revisão sistemática demonstrou que a prevalência da insónia é alta, com pelo menos um em cada 3 doentes acometidos na maior parte dos estudos. A insónia nos cuidados paliativos está associada, tanto no seu risco como no seu tratamento, a fatores físicos, psicológicos, sociais e espirituais, refletindo a sua verdadeira natureza holística.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.007 |
| Bibliometrics | 0.010 | 0.012 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".