MétaCan
Menu
Retour à la cohorte
Enregistrement W3032151215 · doi:10.1093/sleep/zsaa056.1032

1036 Does Diary and Actigraphy Measured Sleep Differ Between Good and Poor Sleepers During Breast Cancer Treatment?

2020· article· en· W3032151215 sur OpenAlexaff
Joshua Tulk, Sheila N. Garland, Joshua A. Rash, Renee Lester, Kara Laing

Notice bibliographique

RevueSLEEP · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensBeatrice Hunter Cancer Research InstituteMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésActigraphySleep onset latencySleep onsetPittsburgh Sleep Quality IndexSleep (system call)Sleep diaryInsomniaMedicineBreast cancerRepeated measures designPolysomnographyAnalysis of varianceSleep disorderPsychologyPhysical therapySleep qualityAudiologyInternal medicineCancerPsychiatryElectroencephalography

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Women may enter in breast cancer (BCa) treatment with poor sleep, or it may begin during treatment. We assessed how subjective and objective sleep changes during the first year of treatment for women with BCa. Further, we examined whether this differs between previously good and poor sleepers and whether there was agreement between subjective and objective measures of sleep. Methods Sleep onset latency (SOL), wake after sleep onset (WASO), total sleep time (TST), and sleep efficiency (SE) were measured among 100 patients with newly diagnosed, non-metastatic BCa using 7 days of diary and actigraphy collected at 4 time points: pre-treatment, 4, 8, and 12 months. Women with a score ≥5 on the Pittsburgh Sleep Quality Index at treatment onset were classified as poor sleepers. A 4 (time: 0-, 4-, 8-, 12-months) by 2 (sleep measure: sleep diary, actigraphy) by 2 (group: good, poor sleepers) mixed model ANOVAs was performed for each sleep parameter. Results There was a time by sleep measure by group interaction for TST, [F(3,294)= 3.014, p = .03). Good sleepers reported greater TST on diaries- than actigraphy at pre-treatment and 12 months, whereas there were no differences in poor sleepers. There was a group by time effect for good vs. poor sleepers [F(3,294)= 2.909, p = .035]. Good sleepers experienced decreased TST and SE from pre-treatment through 4-mo, followed by increases. Poor sleepers showed the opposite pattern. Neither group returned to pre-treatment levels. Sleep diaries and actigraphy are concordant over time for TST, but not SOL, WASO, or SE. Conclusion Sleep parameters worsen during the first year following onset of BCa and concordance between sleep diaries and actigraphy differ between good or poor sleepers. Support Dr. Garland is supported by a Scotiabank New Investigator Award and seed funding from the Beatrice Hunter Cancer Research Institute (BHCRI).

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,094
Score d'incertitude au seuil1,000

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 Opus0,013
Tête enseignante GPT0,250
Écart entre enseignants0,237 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetSleep and related disordersTravaux en français237 207