Predictors of Excessive Daytime Sleepiness in Medical Students: A Meta-Regression
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Excessive daytime sleepiness (EDS) is highly prevalent among medical students and can have serious negative outcomes for both students and their patients. Little is known about the magnitude and predictors of EDS among medical college students. A meta-regression analysis was conducted to achieve these two targets. A systematic search was performed for English-language studies that reported the prevalence of EDS among medical students using the Epworth sleepiness scale (ESS), age, sex, sleep duration and sleep quality as predictive variables. A total of nine observational studies (K = 9, N = 2587) were included in the analyses. Meta-regression analyses were performed using mean age (years), sex (proportion of male subjects), sleep duration (hours/night) and sleep quality index score (continuous scale) as moderators for EDS—with the prevalence of EDS as an outcome variable. An interaction term of sleep duration X sleep quality was created to assess if these two variables simultaneously influenced the outcome variable. Utilizing the ESS, the pooled prevalence of EDS among medical students was 34.6% (95% Confidence Interval (CI) 18.3–50.9%). Meta-regression models of age, sex, sleep duration and sleep quality alone revealed poor predictive capabilities. Meta-regression models of sleep duration–sleep quality interaction revealed results with high statistical significance. The findings from this review contribute supporting evidence for the relationship between sleep duration and sleep quality scores (i.e., sleep duration X sleep quality score) in predicting EDS in medical students.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 découle