MétaCan
Menu
Retour à la cohorte
Enregistrement W3007056219 · doi:10.1093/sleep/zsaa032

Insomnia, hypnotic use, and road collisions: a population-based, 5-year cohort study

2020· article· en· W3007056219 sur OpenAlexafffund
Charles M. Morin, Ellemarije Altena, Hans Ivers, Chantal Mérette, Mélanie LeBlanc, Josée Savard, Pierre Philip

Notice bibliographique

RevueSLEEP · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensCentre hospitalier de l'Université LavalUniversité LavalInstitut Universitaire en Santé Mentale de Québec
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésInsomniaMedicineHazard ratioConfidence intervalPopulationExcessive daytime sleepinessCohortHypnoticSleep disorderAccidentalPsychiatryInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

STUDY OBJECTIVES: The study objectives were to examine accidental risks associated with insomnia or hypnotic medications, and how these risk factors interact with sex and age. METHODS: A population-based sample of 3,413 adults (Mage = 49.0 years old; 61.5% female), with or without insomnia, were surveyed annually for five consecutive years about their sleep patterns, sleep medication usage, and road collisions. RESULTS: There was a significant risk of reporting road collisions associated with insomnia (hazard ratio [HR] = 1.20; 95% confidence interval [CI] = 1.00-1.45) and daytime fatigue (HR = 1.21; 95% CI = 1.01-1.47). Insomnia and its daytime consequences were perceived to have played some contributory role in 40% of the reported collisions. Both chronic (HR = 1.50; 95% CI = 1.17-1.91) and regular use of sleep medications (HR = 1.58; 95% CI = 1.16-2.14) were associated with higher accidental risks, as well as being young female with insomnia and reporting excessive daytime sleepiness. CONCLUSIONS: Both insomnia and use of sleep medications are associated with significant risks of road collisions, possibly because of or in association with some of their residual daytime consequences (i.e. fatigue and poor concentration). The findings also highlight a new group of at-risk patients, i.e. young women reporting insomnia and excessive daytime sleepiness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,783

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,276
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetSleep and related disordersTravaux en français237 207