The Effects of a Nighttime Nap on the Error-Monitoring Functions During Extended Wakefulness
Notice bibliographique
Résumé
STUDY OBJECTIVES: To examine the effects of a 1-hr nighttime nap, and the associated sleep inertia, on the error-monitoring functions during extended wakefulness using the 2 event-related potential components thought to reflect error detection and emotional or motivational evaluation of the error, i.e., the error-related negativity/error-negativity (ERN/Ne) and error-positivity (Pe), respectively. DESIGN: Participants awakened at 07:00 the morning of the experimental day, and performed a stimulus-response compatibility (arrow-orientation) task at 21:00, 02:00, and 03:00. SETTING: A cognitive task with EEG data recording was performed in a laboratory setting. PARTICIPANTS: Twenty young adults (mean age 21.3 ± 1.0 yr, 14 males) participated. INTERVENTIONS: Half of the participants took a 1-hr nap, and the others had a 1-hr awake-rest period from 01:00-02:00. MEASUREMENTS AND RESULTS: Behavioral performance and amplitude of the Pe declined after midnight (i.e., 02:00 and 03:00) compared with the 21:00 task period in both groups. During the task period starting at 03:00, the participants in the awake-rest condition reported less alertness and showed fewer correct responses than those who napped. However, there were no effects of a nap on the amplitude of the ERN/Ne or Pe. CONCLUSIONS: Our results suggest that a 1-hr nap can alleviate the decline in subjective alertness and response accuracy during nighttime; however, error-monitoring functions, especially emotional or motivational evaluation of the error, might remain impaired by extended wakefulness even after the nap. This phenomenon could imply that night-shift workers experiencing extended wakefulness should not overestimate the positive effects of a nighttime 1-hr nap during extended wakefulness.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».