MétaCan
Menu
Retour à la cohorte
Enregistrement W3153957179 · doi:10.3390/ijerph18084329

Sleep Quality and Physical Activity as Predictors of Mental Wellbeing Variance in Older Adults during COVID-19 Lockdown: ECLB COVID-19 International Online Survey

2021· article· en· W3153957179 sur OpenAlexaff
Khaled Trabelsi, Achraf Ammar, Liwa Masmoudi, Omar Boukhris, Hamdi Chtourou, Bassem Bouaziz, Michael Brach, Ellen Bentlage, Daniella How, Mona Ahmed, Patrick J. Mueller, Notger Mueller, Hsen Hsouna, Yousri Elghoul, Mohamed Romdhani, Omar Hammouda, Laisa Liane Paineiras-Domingos, Annemarie Braakman‐Jansen, Christian Wrede, Sofia Bastoni, Carlos Soares Pernambuco, Leonardo José Mataruna-Dos-Santos, Morteza Taheri, Khadijeh Irandoust, Nicola Luigi Bragazzi, Jana Strahler, Jad Adrian Washif, Albina Andreeva, Stephen J. Bailey, Jarred P. Acton, Emma Mitchell, Nick Bott, Faı̈ez Gargouri, Lotfi Chaâri, Hadj Batatia, Samira khoshnami, Evangelia Samara, Vasiliki Zisi, Parasanth Sankar, Waseem Ahmed, Gamal Mohamed Ali, Osama Abdelkarim, Mohamed Jarraya, Kaïs El Abed, Wassim Moalla, Nafaa Souissi, Asma Aloui, Nizar Souissi, Julia E.W.C. van Gemert‐Pijnen, Bryan L. Riemann, Laurel Riemann, Jan Delhey, Jonathan Gómez‐Raja, Monique Epstein, Robbert Sanderman, Sebastian Viktor Waldemar Schulz, Achim Jerg, Ramzi Al-Horani, Taiysir Mansi, Ismail Dergaa, Mohamed Jmail, Fernando Barbosa, Fernando Ferreira‐Santos, Boštjan Šimunič, Rado Pišot, Saša Pišot, Andrea Gaggioli, Piotr Żmijewski, Christian Apfelbacher, Jordan M. Glenn, Aïmen Khacharem, Cain C. T. Clark, Helmi Ben Saad, Karim Chamari, Tarak Driss, Anita Höekelmann

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Mental healthSleep qualityPandemicPsychologySleep (system call)GerontologyMedicineClinical psychologyPsychiatryVirologyInsomniaOutbreakComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background. The COVID-19 lockdown could engender disruption to lifestyle behaviors, thus impairing mental wellbeing in the general population. This study investigated whether sociodemographic variables, changes in physical activity, and sleep quality from pre- to during lockdown were predictors of change in mental wellbeing in quarantined older adults. Methods. A 12-week international online survey was launched in 14 languages on 6 April 2020. Forty-one research institutions from Europe, Western-Asia, North-Africa, and the Americas, promoted the survey. The survey was presented in a differential format with questions related to responses “pre” and “during” the lockdown period. Participants responded to the Short Warwick–Edinburgh Mental Wellbeing Scale, the Pittsburgh Sleep Quality Index (PSQI) questionnaire, and the short form of the International Physical Activity Questionnaire. Results. Replies from older adults (aged >55 years, n = 517), mainly from Europe (50.1%), Western-Asia (6.8%), America (30%), and North-Africa (9.3%) were analyzed. The COVID-19 lockdown led to significantly decreased mental wellbeing, sleep quality, and total physical activity energy expenditure levels (all p < 0.001). Regression analysis showed that the change in total PSQI score and total physical activity energy expenditure (F(2, 514) = 66.41 p < 0.001) were significant predictors of the decrease in mental wellbeing from pre- to during lockdown (p < 0.001, R2: 0.20). Conclusion. COVID-19 lockdown deleteriously affected physical activity and sleep patterns. Furthermore, change in the total PSQI score and total physical activity energy expenditure were significant predictors for the decrease in mental wellbeing.

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 enseignants0,015
Score d'incertitude au seuil0,030

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,147
Tête enseignante GPT0,508
Écart entre enseignants0,361 · 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

Citations156
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetCOVID-19 and Mental HealthTravaux en français237 207