MétaCan
Menu
Retour à la cohorte
Enregistrement W3159292361 · doi:10.1093/sleep/zsab072.209

210 Changes in Dream Recall During the COVID-19 Pandemic: Associations with Sleep, Stress and Dream Content

2021· article· en· W3159292361 sur OpenAlexaff
Chloe Wills, Kathryn Kennedy, Célyne Bastien, Perrine Ruby, William D. S. Killgore, Michael A. Grandner

Notice bibliographique

RevueSLEEP · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésEpworth Sleepiness ScaleInsomniaPsychologyDreamPerceived Stress ScaleSleep (system call)AnxietyMedicineClinical psychologyPsychiatryPolysomnographyStress (linguistics)

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction During the COVID-19 pandemic, individuals have faced unprecedented events, which are often stressful. Stress has an important impact on dreams, and stress-induced sleep difficulties may also impact dream recall. The present study evaluated associations between sleep, stress and dream content on dream recall during the pandemic. Methods A sample of N=419 US adults completed online surveys about sleep and COVID-19 experiences. Participants were asked if they remember more, fewer or about the same amount of dreams as before the pandemic. They were also asked whether the pandemic was associated with more stress, a more regular schedule, improved sleep, worse sleep, more early insomnia, more middle-of-the-night insomnia, more sleepiness, and more naps. They also completed the Insomnia Severity Index, Fatigue Severity Scale, Epworth Sleepiness Scale, Brief Index of Sleep Control, Assessment of Sleep Environment, GAD-7 anxiety scale, and PHQ9 depression scale. Multinomial logistic regressions examined correlates of increased or decreased recall (versus same), adjusted for age, sex, and race/ethnicity. Results Those who experienced greater schedule regularity were less likely to report decreased recall (RRR=0.50,p<0.0005), as were those who reported sleep improvement (RRR=0.48,p=0.006). Those whose sleep worsened were more likely to report both increased (RRR=1.64,p=0.003) and decreased (RRR=2.16,p<0.0005) recall. Those suffering maintenance insomnia were more likely to report both increased (RRR=1.70,p=0.001) and decreased (RRR=2.68,p<0.0005) recall, as did those who reported more daytime sleepiness (Increased RRR=1.57,p=0.006; Decreased RRR=1.94,p=0.001). Those whose dream content was more negative were more likely to report both increased (RRR=4.05,p<0.005) and decreased (RRR=3.35,p<0.0005) recall, as did those who reported less negative content (Increased RRR=4.20,p<0.0005; Decreased RRR=5.05,p<0.0005). Similarly, those who reported more positive dream content reported both increased (RRR=17.37,p<0.0005) and decreased (RRR=7.14,p=0.02) recall, as did those who reported less positive content (Increased RRR=4.49,p<0.0005; Decreased RRR=5.59,p<0.0005). Less recall was associated with greater insomnia severity (RRR=1.08,p=0.001), fatigue (RRR=1.04,p=0.001), sleepiness (RRR=1.09,p=0.01), COVID stress (RRR=1.67,p=0.03), anxiety (RRR=1.08,p=0.01), and depression (RRR=1.06,p=0.007), worse sleep environment (RRR=1.06,p=0.005), and less sleep control (RRR=0.56,p=0.001). Conclusion The results of this survey suggest that a sudden decrease in dream recall in reaction to a new stress could be considered as a pejorative indicator regarding sleep quality and mental health. Support (if any) R01MD011600, R01DA051321

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)0,006
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 seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,044
Tête enseignante GPT0,298
Écart entre enseignants0,254 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetSleep and related disordersTravaux en français237 207