MétaCan
Menu
Retour à la cohorte
Enregistrement W1975400017 · doi:10.3109/07420528.2011.645752

Sleep, Sleepiness, Fatigue, and Performance of 12-Hour-Shift Nurses

2012· article· en· W1975400017 sur OpenAlexaff
Jeanne Geiger‐Brown, Valerie E. Rogers, Alison M. Trinkoff, Robert L Kane, R. Barker Bausell, Steven M. Scharf

Notice bibliographique

RevueChronobiology International · 2012
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensCanadian Sleep & Circadian Network
Organismes subventionnairesNational Institute for Occupational Safety and HealthNational Center for Research Resources
Mots-clésAlertnessShift workPsychomotor vigilance taskVigilance (psychology)Sleep debtActigraphySleep deprivationMedicineSomnolenceSleep diaryPsychologyAudiologyPhysical therapyCircadian rhythmInsomniaPsychiatryInternal medicineAdverse effect

Résumé

récupéré en direct d'OpenAlex

Nurses working 12-h shifts complain of fatigue and insufficient/poor-quality sleep. Objectively measured sleep times have not been often reported. This study describes sleep, sleepiness, fatigue, and neurobehavioral performance over three consecutive 12-h (day and night) shifts for hospital registered nurses. Sleep (actigraphy), sleepiness (Karolinska Sleepiness Scale [KSS]), and vigilance (Performance Vigilance Task [PVT]), were measured serially in 80 registered nurses (RNs). Occupational fatigue (Occupational Fatigue Exhaustion Recovery Scale [OFER]) was assessed at baseline. Sleep was short (mean 5.5 h) between shifts, with little difference between day shift (5.7 h) and night shift (5.4 h). Sleepiness scores were low overall (3 on a 1-9 scale, with higher score indicating greater sleepiness), with 45% of nurses having high level of sleepiness (score > 7) on at least one shift. Nurses were progressively sleepier each shift, and night nurses were sleepier toward the end of the shift compared to the beginning. There was extensive caffeine use, presumably to preserve or improve alertness. Fatigue was high in one-third of nurses, with intershift fatigue (not feeling recovered from previous shift at the start of the next shift) being most prominent. There were no statistically significant differences in mean reaction time between day/night shift, consecutive work shift, and time into shift. Lapsing was traitlike, with rare (39% of sample), moderate (53%), and frequent (8%) lapsers. Nurses accrue a considerable sleep debt while working successive 12-h shifts with accompanying fatigue and sleepiness. Certain nurses appear more vulnerable to sleep loss than others, as measured by attention lapses.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,306
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations384
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChronobiology InternationalMême sujetSleep and Work-Related FatigueTravaux en français237 207