Sleep Disturbance During Quarantine in the Era of the SARS-CoV-2 (COVID-19) Pandemic
Notice bibliographique
Résumé
ABSTRACT Background Quarantine has been shown to affect sleep quality in previous analyses. However, a thorough investigation of the association between sleep disturbance and COVID-19 infection during quarantine is still lacking. Aim We aim to determine the impact of quarantine on sleep quality and such impact to anxiety. We also aim to investigate the use of medication and its impact on sleep quality during quarantine. Methods A cross-sectional study conducted in the Jazan region of Saudi Arabia during September 2020. The Pittsburgh Sleep Quality Index (PSQI) and the Generalised Anxiety Disorder Assessment (GAD-7) were used. Results The number of participants was 327, with an infection rate of 53.6% (n= 175). 60.8% (n=189) were quarantined. The mean PSQI score was 5.69 (SD=3.17), those who were quarantined had a higher score (M=6.33, SD=2.99) than those who were not (M=4.57, SD=3.23). After we control for the confounding of anxiety, the PSQI score was also higher in those quarantined (M=0.59, SD=0.26) than in those who were not (M=0.48, SD=0.31); t(120)=2.08, p<0.05. Zinc was noted to have a significant positive effect on sleep quality and anxiety level. Conclusion This analysis provides new insight into the effect of quarantine and anxiety levels on sleep quality.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».