Physicians' attentional performance following a 24-hour observation period: do we need to regulate sleep prior to work?
Notice bibliographique
Résumé
BACKGROUND: The tradition of physicians working while sleep deprived is increasingly criticised. Medical regulatory bodies have restricted resident physician duty-hours, not addressing the greater population of physicians. We aimed to assess factors such as sleep duration prior to a 24-hour observation period on physicians' attention. METHODS: We studied 70 physicians (mean age 38 years old (SD 10.8 years)): 36 residents and 34 faculty from call rosters at the University of Alberta. Among 70 physicians, 52 (74%) performed overnight call; 18 did not perform overnight call and were recruited to control for the learning effect of repetitive neuropsychological testing. Attentional Network Test (ANT) measured physicians' attention at the beginning and end of the 24-hour observation period. Participants self-reported ideal sleep needs, sleep duration in the 24 hours prior to (ie, baseline) and during the 24-hour observation period (ie, follow-up). Median regression models examined effects on ANT parameters. RESULTS: Sleep deprivation at follow-up was associated with reduced attentional accuracy following the 24-hour observation period, but only for physicians more sleep deprived at baseline. Other components of attention were not associated with sleep deprivation after adjusting for repetitive testing. Age, years since medical school and caffeine use did not impact changes in ANT parameters. CONCLUSIONS: Our study suggests that baseline sleep before 24 hours of observation impacts the accuracy of physicians' attentional testing at 24 hours. Further study is required to determine if optimising physician sleep prior to overnight call shifts is a sustainable strategy to mitigate the effects of sleep deprivation.
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 | 0,000 | 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) | 0,002 | 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 ».