MétaCan
Menu
← Retour à la cohorte
Enregistrement W3112891458 · doi:10.1093/geroni/igaa057.2177

Affective Vulnerability to Short Sleep Predicts 10-Year Changes in Chronic Health Conditions

2020· article· en· W3112891458 sur OpenAlexaff
Nancy L. Sin, Jonathan Rush, Orfeu M. Buxton, David M. Almeida

Notice bibliographique

RevueInnovation in Aging · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensUniversity of VictoriaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)Sleep (system call)PsychologyVulnerability (computing)ChecklistRisk factorClinical psychologyMedicineGerontologyDevelopmental psychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract We examined daily affective vulnerability to short sleep (i.e., individual differences in the extent that sleeping ≤6h predicts next-day affect) as a risk factor for developing chronic conditions 10 years later. Participants (N=1945, ages 35-85, 57% women) from the National Study of Daily Experiences reported sleep duration and affect in daily diary telephone interviews. Chronic conditions were assessed with a 39-item checklist (e.g., arthritis, hypertension, diabetes). Multilevel structural equation models revealed that individuals with heightened negative affect following short sleep had an increased number of chronic conditions after 10 years (Est.=1.20, SE=.48, p<.01). Positive affective vulnerability (i.e., greater declines in positive affect following shorter sleep vs. longer sleep) was marginally associated with 10-year chronic conditions (Est.=-.72, SE=.40, p=.07). Adding to the well-established connections between sleep duration and well-being across adulthood, these findings suggest that affective vulnerability to short sleep represents a unique risk factor for long-term health as people age.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,355
Écart entre enseignants0,320 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetSleep and related disorders→Travaux en français237 207→