Driving After Drinking Alcohol Associated with Insufficient Sleep and Insomnia among Student Athletes and Non-Athletes
Notice bibliographique
Résumé
INTRODUCTION: The proportion of university/college students (UCS) consuming alcohol is similar to the number of those reporting poor sleep, at approximately 30%, the proportion being greater in student athletes (SA). What remains to be understood is if poor sleep potentiates risky behaviors. OBJECTIVE: Our aim was to examine the association among sleep difficulties, insomnia symptoms, and insufficient sleep on the risk of driving under the influence of alcohol in a sample of UCS and whether these associations were more pertinent in SA. METHODS: Data from the National University/College Health Assessment was used from the years 2011⁻2014. Questions on number of drinks consumed and behaviors such as driving after drinking alcohol were related to answers to questions pertaining to sleep difficulties, insufficient sleep, and insomnia symptoms. RESULTS: Mean alcohol intake was of about 3 drinks; SA consumed significantly more than student non-athletes (SNA). Binge-drinking episodes were significantly higher among SA than SNA. Difficulty sleeping was associated with an increased likelihood of driving after any drinks and after 5 or more drinks in both groups, effects being stronger among SA. Insomnia was associated with an increased likelihood of driving after any drinks and after 5 or more drinks in SA and after 5 or more drinks in SNA. These effects were stronger among athletes. CONCLUSION: The present study found that self-reported difficulties sleeping, insomnia symptoms, and insufficient sleep are associated with driving after drinking alcohol. This relationship applied to driving after drinking any alcohol or binge drinking and was again stronger among SA than SNA.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».