MétaCan
Menu
Retour à la cohorte
Enregistrement W2794823540 · doi:10.1186/s12916-018-1025-7

Sleep deficiency and motor vehicle crash risk in the general population: a prospective cohort study

2018· article· en· W2794823540 sur OpenAlexfundno aff
Daniel J. Gottlieb, Jeffrey M. Ellenbogen, Matt T. Bianchi, Charles A. Czeisler

Notice bibliographique

RevueBMC Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesFederal Emergency Management AgencyYork UniversityNational Space Biomedical Research InstituteCase Western Reserve UniversityNational Institute on AgingUniversity of WashingtonJohns Hopkins UniversityNational Heart, Lung, and Blood InstituteUniversity of California, DavisUniversity of MinnesotaNational Aeronautics and Space Administration
Mots-clésMedicinePopulationPolysomnographySleep apneaObstructive sleep apneaExcessive daytime sleepinessCohort studyCohortPoison controlApneaPhysical therapyPediatricsSleep disorderPsychiatryAnesthesiaInternal medicineEmergency medicineInsomniaEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Insufficient sleep duration and obstructive sleep apnea, two common causes of sleep deficiency in adults, can result in excessive sleepiness, a well-recognized cause of motor vehicle crashes, although their contribution to crash risk in the general population remains uncertain. The objective of this study was to evaluate the relation of sleep apnea, sleep duration, and excessive sleepiness to crash risk in a community-dwelling population. METHODS: This was a prospective observational cohort study nested within the Sleep Heart Health Study, a community-based study of the health consequences of sleep apnea. The participants were 1745 men and 1456 women aged 40-89 years. Sleep apnea was measured by home polysomnography and questionnaires were used to assess usual sleep duration and daytime sleepiness. A follow-up questionnaire 2 years after baseline ascertained driving habits and motor vehicle crash history. Logistic regression analysis was used to examine the relation of sleep apnea and sleep duration at baseline to the occurrence of motor vehicle crashes during the year preceding the follow-up visit, adjusting for relevant covariates. The population-attributable fraction of motor vehicle crashes was estimated from the sample proportion of motor vehicle crashes and the adjusted odds ratios for motor vehicle crash within each exposure category. RESULTS: Among 3201 evaluable participants, 222 (6.9%) reported at least one motor vehicle crash during the prior year. A higher apnea-hypopnea index (p < 0.01), fewer hours of sleep (p = 0.04), and self-reported excessive sleepiness (p < 0.01) were each significantly associated with crash risk. Severe sleep apnea was associated with a 123% increased crash risk, compared to no sleep apnea. Sleeping 6 hours per night was associated with a 33% increased crash risk, compared to sleeping 7 or 8 hours per night. These associations were present even in those who did not report excessive sleepiness. The population-attributable fraction of motor vehicle crashes was 10% due to sleep apnea and 9% due to sleep duration less than 7 hours. CONCLUSIONS: Sleep deficiency due to either sleep apnea or insufficient sleep duration is strongly associated with motor vehicle crashes in the general population, independent of self-reported excessive sleepiness.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,024
Tête enseignante GPT0,335
Écart entre enseignants0,311 · 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

Citations157
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207