MétaCan
Menu
Retour à la cohorte
Enregistrement W3177154033

The determinants of sleep quality in the mining industry

2020· dissertation· en· W3177154033 sur OpenAlexaboutno aff
Alexie Dennie

Notice bibliographique

RevueLu Zone Ul (Laurentian University) · 2020
Typedissertation
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSleep qualityQuality (philosophy)Mining industryData scienceEngineeringBusinessMining engineeringPsychologyComputer sciencePsychiatryInsomniaPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to determine the current state of self-reported sleep quality in workers of the mining industry and identify the factors that affect sleep in this sample. A large-scale questionnaire was administered to 2,224 workers of the mining industry with operations in Ontario. A modified version of the Pittsburgh Sleep Quality Index (mPSQI) was used to determine sleep quality and quantity. A total of 84% of participants self-reported poor sleep quality with an average mPSQI score of 6.43 (± 3.07). The average sleep duration of participants was 6hr:05min (± 1hr:03min), which is lower than the recommended 7-8 hrs of sleep. Participants engaging in hazardous drug and alcohol use, screening positive for mental health concerns, stress and fatigue, experiencing workplace burnout and working shifts, self-reported worst sleep quality. Finally, depression, personal burnout, fatigue, PTSD, shift work, diagnosis of a chronic disease and hazardous drug use were significant predictors of poor subjective sleep quality, accounting for 37.1% of the total variance of sleep quality (R²= 0.371, F(7, 1572) = 131.78, p ≤ 0.000). These data will assist in developing targeted strategies and interventions for workers to achieve better sleep quality, overall well being and a safer workplace.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,094
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,026
Tête enseignante GPT0,290
Écart entre enseignants0,264 · 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 revueLu Zone Ul (Laurentian University)Même sujetSleep and Work-Related FatigueTravaux en français237 207