MétaCan
Menu
Retour à la cohorte
Enregistrement W2760060224 · doi:10.1097/jom.0000000000001174

Evaluating the Effectiveness of Fatigue Management Training to Improve Police Sleep Health and Wellness

2017· article· en· W2760060224 sur OpenAlexaboutno aff
Lois James, Charles Samuels, F B S William Vincent

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChecklistMedicineHeadachesInsomniaIntervention (counseling)Physical therapyPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To evaluate the effectiveness of an intervention for improving sleep health in a sample of employees from the Royal Canadian Mounted Police (RCMP). METHODS: Using a pre- and post-design we exposed 61 RCMP members to a fatigue-management training program. Pre- and post-intervention surveys included the Pittsburg Sleep Quality Index (PSQI), the World Health Organization Quality of Life (WHOQOL) instrument, and the six item index of psychological distress (Symptom Checklist-90). RESULTS: We found the training improved member satisfaction with sleep (Wald = 2.58; df = 1; P = 0.03) and reduced symptoms of insomnia (Wald = 5.5; df = 1; P = 0.02). Furthermore, the training reduced the incidence of headaches (Wald = 6.5; df = 1; P = 0.01). CONCLUSIONS: Our findings suggest that a fatigue management training program resulted in positive sleep health benefits for police. We stress the importance of continued evaluation to inform the large-scale implementation of fatigue-management programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,871
Score d'incertitude au seuil0,257

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0000,000

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 Opus0,092
Tête enseignante GPT0,418
Écart entre enseignants0,326 · 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 tête enseignante, 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

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetSleep and Work-Related FatigueTravaux en français237 207