MétaCan
Menu
Retour à la cohorte
Enregistrement W3201168046 · doi:10.2147/nss.s324142

How our Dreams Changed During the COVID-19 Pandemic: Effects and Correlates of Dream Recall Frequency - a Multinational Study on 19,355 Adults

2021· article· en· W3201168046 sur OpenAlexaff
Eirin Fränkl, Serena Scarpelli, Michael R. Nadorff, Bjørn Bjorvatn, Courtney J. Bolstad, Ngan Yin Chan, Frances Chung, Yves Dauvilliers, Colin A. Espie, Yuichi Inoue, Damien Léger, Tainá Macêdo, Kentaro Matsui, Ilona Merikanto, Charles M. Morin, Sérgio Mota‐Rolim, Markku Partinen, Thomas Penzel, Giuseppe Plazzi, Mariusz Siemiński, Yun Kwok Wing, Luigi De Gennaro, Brigitte Holzinger

Notice bibliographique

RevueNature and Science of Sleep · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueSleep and Wakefulness Research
Établissements canadiensUniversité LavalUniversity of TorontoInstitut Universitaire en Santé Mentale de QuébecCanada Research ChairsUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicinePandemicCoronavirus disease 2019 (COVID-19)Dream2019-20 coronavirus outbreakRecallMultinational corporationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologyInternal medicineOutbreakCognitive psychologyDiseaseLawInfectious disease (medical specialty)Neuroscience

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Many have reported odd dreams during the pandemic. Given that dreams are associated with mental health, understanding these changes could provide crucial information about wellbeing during the pandemic. This study explored associations between COVID-19 and dream recall frequency (DRF), and related social, health, and mental health factors. METHODS: We conducted a cross-sectional web survey of 19,355 individuals in 14 countries from May to July 2020. We collected data on COVID-19, mental health, sleep and DRF during the pandemic. We performed McNemar Tests to compare low (<3 nights per week) and high DRF (≥3 nights per week) before and during COVID-19 and to evaluate changes in sleep variables segmented by DRF. Chi-square tests were conducted to compare characteristics between low and high DRF. Logistic regression analyses were conducted to examine associations between various independent variables and DRF. RESULTS: Reports of high DRF during the pandemic were higher than before the pandemic (P<0.001). Female gender (aOR=1.25, 95% CI 1.10-1.41), nightmares (aOR=4.22, 95% CI 3.45-5.17), sleep talking (aOR= 2.36, 1.73-3.23), sleep maintenance problems (aOR=1.34, 95% CI 1.15-1.56), symptoms of REM sleep behavior disorder (RBD; aOR=1.24, 95% CI 1.09-1.41) and repeated disturbing thoughts (posttraumatic stress disorder (PTSD) symptoms) were associated with high DRF. Age group 55-64 years (aOR=0.69, 95% CI 0.58-0.83) reported less high DRF than younger participants. Unadjusted OR showed associations between depression, anxiety, and DRF; however, in adjusted regression depression (aOR= 0.71, 0.59-0.86) and anxiety (aOR=0.79, 95% CI 0.66-0.94) were negatively associated with high DRF. CONCLUSION AND RELEVANCE: DRF was higher than pre-pandemic levels across four continents. DRF was associated with gender and parasomnias like nightmares and RBD symptoms, sleep maintenance problems, PTSD symptoms and negatively associated with depression and anxiety. The results implicate that COVID-19 is reflected in our dreams as an expression of the emotional intensity of the pandemic.

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 enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,328
Écart entre enseignants0,293 · 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

Citations44
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature and Science of SleepMême sujetSleep and Wakefulness ResearchTravaux en français237 207