MétaCan
Menu
Retour à la cohorte
Enregistrement W2573750794 · doi:10.1177/1937586716684758

Evidence-Based Design Features Improve Sleep Quality Among Psychiatric Inpatients

2017· article· en· W2573750794 sur OpenAlexafffund
Ryan Pyrke, Margaret C. McKinnon, Heather E. McNeely, Catherine Ahern, Karen Langstaff, Peter Bieling

Notice bibliographique

RevueHERD Health Environments Research & Design Journal · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensMcMaster UniversityHomewood Research InstituteSt. Joseph’s Healthcare Hamilton
Organismes subventionnairesBrock University
Mots-clésActigraphyPittsburgh Sleep Quality IndexSleep (system call)MedicineSleep qualityMental healthPsychiatryPopulationClinical psychologyInsomniaEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The primary aim of the present study was to compare sleep characteristics pre- and post-move into a state-of-the-art mental health facility, which offered private sleeping quarters. BACKGROUND: Significant evidence points toward sleep disruption among psychiatric inpatients. It is unclear, however, how environmental factors (e.g., dorm-style rooms) impact sleep quality in this population. METHODS: To assess sleep quality, a novel objective technology, actigraphy, was used before and after a facility move. Subjective daily interviews were also administered, along with the Horne-Ostberg Morningness-Eveningness Questionnaire and the Pittsburgh Sleep Quality Index. RESULTS: Actigraphy revealed significant improvements in objective sleep quality following the facility move. Interestingly, subjective report of sleep quality did not correlate with the objective measures. Circadian sleep type appeared to play a role in influencing subjective attitudes toward sleep quality. CONCLUSIONS: Built environment has a significant effect on the sleep quality of psychiatric inpatients. Given well-documented disruptions in sleep quality present among psychiatric patients undergoing hospitalization, design elements like single patient bedrooms are highly desirable.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,270
Tête enseignante GPT0,475
Écart entre enseignants0,205 · 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

Citations13
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHERD Health Environments Research & Design JournalMême sujetSleep and related disordersTravaux en français237 207