Association Between Accelerometer and Parental Reported Weekend and Weekday Sleeping Patterns and Adiposity Among Preschool-Aged Children
Notice bibliographique
Résumé
Sleep is vital for healthy development of young children; however, it is not understood how the quality and quantity vary between the weekends and weekdays (WE–WD). Research focused on older children has demonstrated that there is significant WE–WD variability and that this is associated with adiposity. It is unclear how this is experienced among preschoolers. This study explored: (a) the accuracy of WE–WD sleep as reported in parental logbooks compared with accelerometers; (b) the difference between WE and WD total sleep time, sleep efficiency, and timing, as assessed by accelerometers; and (c) the association between the variability of these metrics and adiposity. Eighty-seven preschoolers (M = 46; 4.48 ± 0.89 years) wore an accelerometer on their right hip for 7 days. Parents were given logbooks to track “lights out” times (sleep onset) and out of bed time (sleep offset). Compared with accelerometers, parental logbook reports indicated earlier sleep onset and later sleep offset times on both WEs and WDs. Accelerometer-derived total sleep time, sleep efficiency, and onset/offset were not significantly different on the WEs and WDs; however, a sex effect was observed, with males going to bed and waking up earlier than females. Correlation analyses revealed that variability of sleep onset times throughout the week was positively correlated with percentage of fat mass in children. Results suggest that variability of sleep onset may be associated with increased adiposity in preschool children. Additional research with larger and more socioeconomically and racially diverse samples is needed to confirm these findings.
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 | 0,000 |
| 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) | 0,000 | 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 ».