Late and Instable Sleep Phasing is Associated With Irregular Eating Patterns in Eating Disorders
Notice bibliographique
Résumé
BACKGROUND: Sleep problems are common in eating disorders (EDs). PURPOSE: We evaluated whether sleep-phasing regularity associates with the regularity of daily eating events. METHODS: ED patients (n = 29) completed hourly charts of mood and eating occasions for 2 weeks. Locomotor activity was recorded continuously by wrist actigraphy for a minimum of 10 days, and sleep was calculated based on periods of inactivity. We computed the center of daily inactivity (CenDI) as a measure of sleep phasing and consolidation of the daily inactivity (ConDI) as a measure of daily sleep rhythm strength. We assessed interday irregularities in the temporal structure of food intake using the standard deviation (SD) of frequency (IFRQ), timing (ITIM), and interval (IINT) of food intake. A self-evaluation of other characteristics included mood, anxiety, and early trauma. RESULTS: A later phasing of sleep associated with a lower frequency of eating (eating frequency with the CenDI rho = -0.49, p = .007). The phasing and rhythmic strength of sleep correlated with the degree of eating irregularity (CenDI with ITIM rho = 0.48, p = .008 and with IINT rho = 0.56, p = .002; SD of CenDI with ITIM rho = 0.47, p = .010, and SD of ConDI with IINT rho = 0.37, p = .048). Childhood Trauma Questionnaire showed associations with variation of sleep onset (rho = -0.51, p = .005) and with IFRQ (rho = 0.43, p = .023). CONCLUSIONS: Late and variable phasing of sleep associated robustly with irregular pattern of eating. Larger data sets are warranted to enable the analysis of diagnostic subgroups, current medication, and current symptomatology and to confirm the likely bidirectional association between eating pattern stability and the timing of sleep.
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) | 0,000 | 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 ».