MétaCan
Menu
Retour à la cohorte
Enregistrement W2801187369 · doi:10.1371/journal.pone.0194705

Sleep habits and strategies of ultramarathon runners

2018· article· en· W2801187369 sur OpenAlexaff
Tristan Martin, Pierrick J. Arnal, Martin D. Hoffman, Guillaume Y. Millet

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensUniversity of Calgary
Organismes subventionnairesU.S. Department of Veterans Affairs
Mots-clésSleep (system call)Epworth Sleepiness ScaleMedicinePhysical therapySleep deprivationPopulationSleep debtExcessive daytime sleepinessPsychologyShift workCircadian rhythmInsomniaSleep disorderInternal medicinePolysomnographyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Among factors impacting performance during an ultramarathon, sleep is an underappreciated factor that has received little attention. The aims of this study were to characterize habitual sleep behaviors in ultramarathon runners and to examine strategies they use to manage sleep before and during ultramarathons. Responses from 636 participants to a questionnaire were considered. This population was found to sleep more on weekends and holidays (7-8 h to 8-9 h) than during weekdays (6-7 h to 7-8 h; p < 0.001). Work was a mediator of napping habits since 19-25% reported napping on work days and 37-56% on non-work days. There were 24.5% of the participants reporting sleep disorders, with more women (38.9%) reporting sleep problems than men (22.0%; p < 0.005). Mean (±SD) sleepiness score on the Epworth Sleepiness Scale was 8.9 ± 4.3 with 37.6% of respondents scoring higher than 10, reflecting excessive daytime sleepiness. Most of the study participants (73.9%) had a strategy to manage sleep preceding an ultramarathon, with 54.7% trying to increase their opportunities for sleep. Only 21% of participants reported that they had a strategy to manage sleep during ultramarathons, with micronaps being the most common strategy specified. Sub-analyses from 221 responses indicated that sleep duration during an ultramarathon was correlated with finish time for races lasting 36-60 h (r = 0.48; p < 0.01) or > 60 h (r = 0.44; p < 0.001). We conclude that sleep duration among ultramarathon runners was comparable to the general population and other athletic populations, yet they reported a lower prevalence of sleep disorders. Daytime sleepiness was among the lowest rates encountered in athletic populations, which may be related to the high percentage of nappers in our population. Sleep extension, by increasing sleep time at night and daytime napping, was the main sleep strategy to prepare for ultramarathons.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,029
Tête enseignante GPT0,264
Écart entre enseignants0,234 · 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

Citations43
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetSleep and related disordersTravaux en français237 207