0894 The Role of Age, Sex, Race/ethnicity, Education, and Marital Status in the Relationship of Chronic Health Conditions and Habitual Sleep Duration
Notice bibliographique
Résumé
This study aims to investigate the associations between diagnosis history of chronic conditions and habitual sleep duration, and the role of sociodemographic factors in-between the associations. 2013 Behavioral Risk Factor Surveillance System was used. Multinomial regressions were performed to investigate the risk for extreme sleep durations among those with depression or chronic diseases. Stratified regression analyses were further done to investigate the interactions of sociodemographic variable and depression/chronic diseases on habitual sleep durations. Among 491,773 respondents, most diagnoses were associated with suboptimal sleep durations except skin cancer. In general, the risk for very short sleep duration is higher than that for short and long sleep durations across the diagnoses and groups. Age, sex, education level, race and marital status significantly moderated the relationship between the diagnosis history and extreme sleep durations. Moreover, with depression or arthritis, people in younger age group were more likely to report very short sleep durations than the older group. Men are more likely to report very short sleep duration than women if they had depression. Yet, females are more likely to report very short sleep duration than males if they had the diagnosis of physical diseases. Higher education was associated with lower risk for very short sleep duration in depression, but the trend reversed for heart diseases. For white population, the associations between diagnosis and extreme sleep durations were significant across all chronic conditions. In contrast, black people are less like to have long sleep durations if they had the previous diagnosis of pulmonary diseases, asthma, and arthritis. Sociodemographic factors significantly moderated the relationship between previous chronic illness and sleep duration extremes. Nature of the chronic conditions and social-economic status may account for the discrepancies in medical diagnosis-sleep duration associations. Further study was required to understand sleep duration, as a health behavior, in the context of antecedent chronic conditions. none.
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 | 0,001 | 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) | 0,000 | 0,000 |
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.
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 ».