Lockdown Duration and Training Intensity Affect Sleep Behavior in an International Sample of 1,454 Elite Athletes
Notice bibliographique
Résumé
Objective: To investigate the effect of 1) lockdown duration and 2) training intensity on sleep quality and insomnia symptoms in elite athletes. Methods: 1,454 elite athletes (24.1 ± 6.7 years; 42% female; 41% individual sports) from 40 countries answered a retrospective, cross-sectional, web-based questionnaire relating to their behavioral habits pre- and during- COVID-19 lockdown, including: 1) Pittsburgh sleep quality index (PSQI); 2) Insomnia severity index (ISI); bespoke questions about 3) napping; and 4) training behaviors. The association between dependent (PSQI and ISI) and independent variables (sleep, napping and training behaviors) was determined with multiple regression and is reported as semi-partial correlation coefficient squared (in percentage). Results: 15% of the sample spent < 1 month, 27% spent 1–2 months and 58% spent > 2 months in lockdown. 29% self-reported maintaining the same training intensity during-lockdown whilst 71% reduced training intensity. PSQI (4.1 ± 2.4 to 5.8 ± 3.1; mean difference (MD): 1.7; 95% confidence interval of the difference (95% CI): 1.6–1.9) and ISI (5.1 ± 4.7 to 7.7 ± 6.4; MD: 2.6; 95% CI: 2.3–2.9) scores were higher during-compared to pre-lockdown, associated (all p < 0.001) with longer sleep onset latency (PSQI: 28%; ISI: 23%), later bedtime (PSQI: 13%; ISI: 14%) and later preferred time of day to train (PSQI: 9%; ISI: 5%) during-lockdown. Those who reduced training intensity during-lockdown showed higher PSQI (p < 0.001; MD: 1.25; 95% CI: 0.87–1.63) and ISI (p < 0.001; MD: 2.5; 95% CI: 1.72–3.27) scores compared to those who maintained training intensity. Although PSQI score was not affected by the lockdown duration, ISI score was higher in athletes who spent > 2 months confined compared to those who spent < 1 month (p < 0.001; MD: 1.28; 95% CI: 0.26–2.3). Conclusion: Reducing training intensity during the COVID-19-induced lockdown was associated with lower sleep quality and higher insomnia severity in elite athletes. Lockdown duration had further disrupting effects on elite athletes’ sleep behavior. These findings could be of relevance in future lockdown or lockdown-like situations (e.g., prolonged illness, injury, and quarantine after international travel).
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 | 0,000 | 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) | 0,002 | 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 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 ».