Prevalence of Sleep Disturbances During COVID-19 Pandemic in a Nepalese Population: A Cross-Sectional Study
Notice bibliographique
Résumé
Objectives: The coronavirus disease (COVID-19) pandemic and news of daily increasing cases inside Nepal and worldwide is adding to the fear that leads to anger, anxiety, frustration, and stress, emotions that directly affect sleep quality. This study aimed to assess sleep disturbances during the COVID-19 pandemic in a Nepalese population.Methods: This cross-sectional study recruited 206 Nepali residents who completed anonymous self-administered questionnaires. The Insomnia Severity Index (ISI) questionnaire was used to measure sleep disturbances before and after the COVID-19 pandemic. The gathered data were analyzed using descriptive statistics and inferential statistics using SPSS version 20 statistical software.Results: There was a significant variation in sleep disturbances among Nepalese residents before versus after the COVID-19 pandemic (p<0.001). The prevalence of clinical moderate insomnia has increased tremendously in Nepalese individuals. Before the pandemic’s onset, only 3.9% of the participants had moderate to severe levels of clinical insomnia; after its onset, this value increased to 17.5%. The mean ISI scores were 6.35±4.65 and 8.01±6.01 before and after the pandemic’s onset, respectively.Conclusions: Our study findings suggest that people are suffering tremendously with sleep disturbances and calls for further research and active measures to help increase sleep quality during the COVID-19 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».