Comparing the Effects of Single‐ and Multiple‐Component Therapies for Insomnia on Sleep Outcomes
Notice bibliographique
Résumé
BACKGROUND: Single- and multiple-component therapies are recommended in professional guidelines for managing chronic insomnia. Systematic reviews point to insufficient evidence of the comparative effectiveness of these therapies, which is required for treatment decision making. PURPOSE: To compare the effectiveness of three single-component and one multiple-component therapies on short-term sleep outcomes. METHODS: The data were obtained from 517 persons with chronic insomnia, enrolled in a partially randomized preference trial. They were allocated to the single-component therapies: sleep education and hygiene (SEH), stimulus control therapy (SCT), and sleep restriction therapy (SRT), or the multiple-component therapy (MCT). The outcomes, perceived insomnia severity and sleep parameters, were assessed with established measures at pre and posttest. Repeated measure analysis of variance was used to compare the outcomes across therapy groups over time. The clinical relevance of the therapies' effects was evaluated by examining the effect size and remission rate. RESULTS: The four therapies differed in their effectiveness in reducing perceived insomnia severity and improving sleep outcomes. SEH was least effective. SCT, SRT, and MCT were moderately effective. SCT and SRT demonstrated slightly higher remission rates than MCT for perceived insomnia severity and some sleep parameters. LINKING EVIDENCE TO ACTION: SCT and SRT are viable single-component therapies that produce clinical benefits. Single-component insomnia treatment may be more convenient to implement in the primary care setting due to the reduced number of treatment recommendations compared to MCT.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».