Gender Differences in Adolescent Sleep Disturbance and Treatment Response to Smartphone App–Delivered Cognitive Behavioral Therapy for Insomnia: Exploratory Study
Notice bibliographique
Résumé
BACKGROUND: Insomnia and sleep disturbance are pervasive and debilitating conditions affecting up to 40% of adolescents. Women and girls are at greater risk of insomnia, yet differences in treatment responsiveness between genders have not been adequately investigated. Additionally, while women report greater symptom severity and burden of illness than men, this discrepancy requires further examination in adolescents. OBJECTIVE: The purpose of this study was to examine gender differences in sleep symptom profiles and treatment response in adolescents. METHODS: Digital cognitive behavioral therapy for insomnia (CBT-I) treatment responsiveness, as indexed by changes in Insomnia Severity Index (ISI) and Global Pittsburgh Sleep Quality Index (PSQI) scores, was compared in boys and girls (aged 12-16 years; N=49) who participated in a pilot evaluation of the Sleep Ninja smartphone app. Gender differences in self-reported baseline insomnia symptom severity (ISI), sleep quality (PSQI), and sleep characteristics derived from sleep diaries were also examined. RESULTS: Compared with boys, we found that girls reported greater symptom severity (P=.04) and nighttime wakefulness (P=.01 and P=.04) and reduced sleep duration (P=.02) and efficiency (P=.03), but not poorer sleep quality (P=.07), more nighttime awakenings (P=.16), or longer time to get to sleep (P=.21). However, gender differences in symptom severity and sleep duration were accounted for by boys being marginally younger in age. Treatment response to CBT-I was equivalent between boys and girls when comparing reductions in symptom severity (P=.32); there was a trend showing gender differences in improvements in sleep quality, but this was not statistically significant (P=.07). CONCLUSIONS: These results demonstrate the presence of gender differences in insomnia symptoms and severity in adolescents and suggest further research is required to understand gender differences in insomnia symptom profiles to inform the development of gender-specific digital interventions delivered to adolescents.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».