Ramadan Observance Exacerbated the Negative Effects of COVID-19 Lockdown on Sleep and Training Behaviors: A International Survey on 1,681 Muslim Athletes
Notice bibliographique
Résumé
Objective Disrupted sleep and training behaviors in athletes have been reported during the COVID-19 pandemic. We aimed at investigating the combined effects of Ramadan observance and COVID-19 related lockdown in Muslim athletes. Methods From an international sample of athletes (n = 3,911), 1,681 Muslim athletes (from 44 countries; 25.1 ± 8.7 years, 38% females, 41% elite, 51% team sport athletes) answered a retrospective, cross-sectional questionnaire relating to their behavioral habits pre- and during- COVID-19 lockdown, including: (i) Pittsburgh sleep quality index (PSQI); (ii) insomnia severity index (ISI); (iii) bespoke questions about training, napping, and eating behaviors, and (iv) questions related to training and sleep behaviors during-lockdown and Ramadan compared to lockdown outside of Ramadan. The survey was disseminated predominately through social media, opening 8 July and closing 30 September 2020. Results The lockdown reduced sleep quality and increased insomnia severity (both p < 0.001). Compared to non-Muslim (n = 2,230), Muslim athletes reported higher PSQI and ISI scores during-lockdown (both p < 0.001), but not pre-lockdown (p > 0.05). Muslim athletes reported longer (p < 0.001; d = 0.29) and later (p < 0.001; d = 0.14) daytime naps, and an increase in late-night meals (p < 0.001; d = 0.49) during- compared to pre-lockdown, associated with lower sleep quality (all p < 0.001). Both sleep quality (χ2 = 222.6; p < 0.001) and training volume (χ2 = 342.4; p < 0.001) were lower during-lockdown and Ramadan compared to lockdown outside of Ramadan in the Muslims athletes. Conclusion Muslim athletes reported lower sleep quality and higher insomnia severity during- compared to pre-lockdown, and this was exacerbated by Ramadan observance. Therefore, further attention to Muslim athletes is warranted when a circadian disrupter (e.g., lockdown) occurs during Ramadan.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».