Measuring Sleep Quality and Efficiency With an Activity Monitoring Device in Comparison to Polysomnography
Notice bibliographique
Résumé
BACKGROUND: Monitoring for physical activity becomes popular and actually many devices are available. Some physical activity monitors (PAMs) provide data about sleep quality for the user, but there are scarce data concerning validity and usability of these measurements. This study compared the data of sleep parameters generated by a PAM with the polysomnography (PSG). METHODS: In 2016, data of 26 patients in two consecutive PSGs as well as in two daytime and nighttime measurements with a PAM according to physical activity and sleep quality were collected. Furthermore, sleep quality, using the Pittsburgh sleep quality index (PSQI), daytime fatigue, using the multidimensional fatigue inventory (MFI-20) and additionally data of a sleep diary were collected. RESULTS: There were positive correlations of both methods with respect to total sleep time (TST) (r = 0.76, P < 0.01) and sleep efficiency (r = 0.71, P < 0.01). Data analysis over two nights showed that over 90% of the TST (95% confidence interval (CI) -1.59 to 0.82) and of the sleep efficiency (95% CI -8.28 to 15.51) were within the limits of agreement. The analysis of the PSQI and the sleep efficiency of the PAM showed no significant correlations. The daytime fatigue correlated negatively with the physical activity (r = -0.72, P < 0.01). CONCLUSION: The sleep efficiency and TST measured with the PAM sufficiently reflect the PSG sleep parameters and the subjects' subjective feelings. At the same time, PAM results are also correlated with the subjectively perceived quality of sleep. Further investigations to assess the long-term results are pending.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».