Predictors of Excessive Daytime Sleepiness in Medical Students: A Meta-Regression
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,066 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».