Night-to-night sleep variability in adolescent rugby players compared to non-athlete matched controls
Notice bibliographique
Résumé
Despite the importance of sleep monitoring in the context of sport, few studies to date examined night-to-night sleep variability among adolescent athletes. This study compared night-to-night sleep variation between junior rugby players and age-matched non-athlete adolescents across seven consecutive nights of the in-season competitive phase. This investigation is based on data from a single centre, observational prospective study including 30 adolescents (15 junior rugby players and 15 non-athlete age-matched controls). Sleep was continuously monitored using ambulatory electroencephalogram (EEG) recordings. While the non-athlete controls catch-up on their sleep debt during the weekend by delaying their wake-up time, junior rugby players opt for an earlier bedtime to cope with sport-related travel (Fri: −00:57 h:min; p < 0.001; Sat: −01:58 h:min; p < 0.001) or early school (Mon: −00:55 h:min; p < 0.001). Night-to-night sleep examination identified greater sleep disturbances in junior rugby players the nights before and after the competition SE (Fri: −11%; p < 0.001; Sat: −9 min; p < 0.01). Junior rugby players showed higher IIV in sleep duration (CV TST : + 5.8%; P < 0.001), efficiency (CV SE : + 3.8%; p < 0.001) and staging (CV N2 : + 5.4%; p < 0.001; CV N3 : + 4.5; p < 0.01 IIV; REM: + 16.4%; p < 0.01). Higher IIV in the young athletes’ sleep outcomes could make them even more vulnerable to health and wellness concerns (i.e. overtraining, injury). The study results show the urgent need for an appropriate consideration of sleep regularity in young athletes.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».