Assessment of sleep disturbances with the athlete sleep screening questionnaire in Chinese athletes
Notice bibliographique
Résumé
This study investigated the factors that are associated with sleep disturbances among Chinese athletes. Sleep quality and associated factors were assessed by the Athlete Sleep Screening Questionnaire (ASSQ, n = 394, aged 18–32 years, 47.6% female). Sleep difficulty score (SDS) and level of sleep problem (none, mild, moderate, or severe) were used to classify participants' sleep quality. Categorical variables were analyzed by Chi-square or fisher's exact tests. An ordinal logistic regression analysis was used to explore factors with poor sleep (SDS ≥8). Approximately 14.2% of participants had moderate to severe sleep problem (SDS ≥8). Fifty-nine percent of the athletes reported sleep disturbance during travel, while 43.3% experienced daytime dysfunction when travelling for competition. No significant difference was found in the SDS category between gender, sports level and events. Athletes with evening chronotype were more likely to report worse sleep than athletes with morning and intermediate chronotype (OR, 2.25; 95%CI, 1.44–3.52; p < 0.001). For each additional year of age, there was an increase of odds ratio for poor sleep quality (OR, 1.15; 95%CI, 1.04–1.26; p = 0.004), while each additional year of training reduced the odds ratio (OR, 0.95; 95%CI, 0.91–0.99; p = 0.044). To improve sleep health in athletes, chronotype, travel-related issues, age and years of training should be taken into consideration.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».