Prevalence and Correlates of Insomnia Symptoms in Older Chinese Adults During the COVID-19 Outbreak: A Classification Tree Analysis
Notice bibliographique
Résumé
Objective To examine prevalence and correlates of insomnia symptoms in older Chinese adults (OCAs) during the COVID-19 outbreak. Background During the COVID-19 pandemic, insomnia is a major health concern of elderly individuals, but its subtypes have not been investigated. Methods Altogether, 590 OCAs (50+ years) were recruited via snowball sampling during the COVID-19 outbreak. Standardized self-report questions were used to assess the presence of difficulty initiating sleep (DIS), difficulty maintaining sleep (DMS), and early morning awakening (EMA). Classification tree analysis (CTA) was used to identify correlates of insomnia. Results The one-month prevalence (95% confidence interval) of any subtype of insomnia symptoms was 23.4% (20.0–26.8%), with DIS, DMS, and EMA being 15.4% (12.5–18.3%), 17.1% (14.1–20.2%), and 11.2% (8.64–13.7%), respectively. Worry about being infected with COVID-19 emerged as the most salient correlate of insomnia ( P < .001); compared to participants who were not worried about being infected, those who were worried and very worried were 3.2-fold (24.3% vs 7.5%) and 5.5-fold (24.3% vs 7.5%) more likely to have insomnia, respectively. Among participants in the “very worried” branch, those residing in Wuhan were 1.8-fold more likely to have insomnia than those residing in other places (50.0% vs 27.5%, P = .011). Among participants in the “worried” branch, unemployed persons were 2.0-fold more likely to have insomnia than employed persons (37.0% vs 18.1%, P < .001). Conclusions Insomnia symptoms were prevalent among OCAs during the COVID-19 outbreak. Selective intervention programs targeting elderly individuals who are worried about being infected, living in the epicenter of COVID-19, and unemployed might be effective.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».