Sleep Efficiency May Predict Depression in a Large Population-Based Study
Notice bibliographique
Résumé
Objectives: The purpose of our study was to investigate the effect of objective sleep characteristics on the incidence of depression. Methods The participants of our study (1,595 men and 1,780 women with 63.1 ± 10.7 years) were selected from the Sleep Heart Health Study (SHHS) datasets. Depression was defined as the first occurrence between SHHS visit 1 and visit 2. Objective sleep characteristics, including sleep efficiency (SE), wake after sleep onset (WASO), sleep fragmentation index (SFI) and arousal index (ArI), were monitored by polysomnography. Multivariable logistic regression was used to explore the relationship between sleep characteristics and depression. Results A total of 248 patients with depression (7.3%) were observed between SHHS visits 1 and 2. After adjusting for covariates, SE (odds ratio [OR], 0.891; 95% confidence interval [CI] 0.811–0.978; P = 0.016) and WASO (OR, 1.021; 95% CI 1.002–1.039; P = 0.026) were associated with the incidence of depression. Moreover, the relationship between SE and depression was more pronounced in men (OR, 0.820; 95% CI 0.711–0.946; P = 0.007) than in women (OR, 0.950; 95% CI 0.838–1.078; P = 0.429) in subgroup analysis (Pinteraction < 0.05). Conclusions SE and WASO may be markers for the incidence of depression. The association between SE and depression was intensified in men.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».