Depressive Symptom Severity Mediates the association between Sleep Disturbance and Obesity in US Adults: Results from the NHANES
Notice bibliographique
Résumé
BACKGROUND: The clustering of sleep alterations, cardiometabolic risk, and depressive symptoms suggests a convergence in their pathophysiology. We quantify the role of depressive symptoms in mediating the association between empirically derived sleep indices and body mass index (BMI). METHODS: Data were derived from 8,844 adult participants of the 2005 to 2008 US National Health and Nutrition Examination Survey. Factor analysis of the Sleep Disorders Questionnaire was conducted. Ordinary least squares path analysis quantified the effects of sleep indices on BMI directly and indirectly via depressive symptom severity (ie, Patient Health Questionnaire). RESULTS: Three sleep indices were extracted: poor sleep-related functional impairment, sleep disturbance, and daytime sleepiness. The associations between functional impairment, sleep disturbance, and daytime sleepiness and BMI were mediated by the effects of sleep on depressive symptoms (κ2 = 0.02) after adjustment for covariates. Daytime sleepiness was associated with BMI independent of depressive symptoms, whereas poor sleep-related functional impairment and sleep disturbance were not. CONCLUSIONS: Higher subjective ratings of sleep-related functional impairment, sleep disturbance, or daytime sleepiness indirectly increased BMI by worsening overall depressive symptom severity. A testable hypothesis is whether preemptive targeting of depressive symptoms in populations with sleep disturbances may decrease risk for obesity and other concurrent metabolic comorbidities.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».