What predicts patients’ perceptions of improvement in insomnia?
Notice bibliographique
Résumé
Although there has been considerable research into the effectiveness of individual cognitive behavioral treatment for chronic insomnia, less is known about patients' perceptions of what constitutes actual improvement. This study utilized 70 outpatients (mean age = 49.7 years, SD = 12.0) with insomnia who completed a 6-week cognitive behavioral group for sleep. Participants completed a number of primary (Pittsburgh Sleep Quality Index) and secondary measures (the Dysfunctional Beliefs about Sleep Scale, Insomnia Severity Index, Beck Depression Inventory, Penn State Worry Questionnaire) at pre- and post-treatment. Perceived improvement was measured using the Clinical Global Improvement Scale (CGI). Results were analyzed using a combination of Logistic Regression analysis and receiver operating curve characteristic analysis (ROC). Results demonstrated that sleep quality and sleep duration were the most sensitive primary measures, or best predicted perceived improvement, whereas sleep efficiency was the most specific primary measure, or best predicted perceived lack of improvement (defined as only mild improvement). Of the secondary measures, results showed that daytime impairment was the most sensitive predictor of perceived improvement and that mood was the most specific predictor of perceived lack of improvement. Implications of these findings are that sleep quality, sleep duration, and sleep efficiency may offer different types of information and the choice of measure for predicting global improvement in insomnia will depend on the needs of the researcher/clinician.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».