0444 Examining Sleep Duration and Social Jetlag From a Popular Wearable Sleep Tracker in France and Canada
Notice bibliographique
Résumé
Abstract Introduction Many population estimates of sleep duration and quality rely primarily on self-reported data. Passive and ubiquitous digital tracking and wearable devices may provide more accurate estimates of sleep duration and quality. Our objective was to identify trends in sleep duration and social jetlag using data from a popular mobile sleep application (app) in France and Canada ‘iSommeil.’ Methods We examined sleep using 8,207 nights from iSommeil, a popular sleep-tracking app in France and Canada. In this analysis, we explored sleep data collected from this app from 2,126 users. We examine sleep parameters by sex and between week and weekend. Specifically, we explore social jetlag, as calculated by the midpoint of sleep during the weekend, subtracted from the midpoint of sleep during the week. Results Women represented 1,254 (59.7%) of the sample and men represented 857 (40.3%) of the sample. Among women, 16.4% of the sample averaged <6 hours of sleep; 51.9% averaged 6-7.99 hours of sleep, and 31.7% averaged >=8 hours of sleep. Among men, 17.4% averaged <6 hours of sleep; 58.4% averaged 6-7.99 hours of sleep, and 24.2% averaged >=8 hours of sleep. Social jetlag scores among all users averaged 31.4, yet the average for men was 27.1 while that for women was 36.4. Conclusion Our study of data from a popular sleep tracker in France and Canada showed that sleep duration of 6-7.99 hours was most observed among the majority of participants. Our results also showed that women had higher social jetlag scores than men. Future research may compare sleep measures obtained via wearable sleep trackers with validated research-grade measures of sleep. Support
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 | 0,001 | 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 ».