MétaCan
Menu
Retour à la cohorte
Enregistrement W4293067081 · doi:10.1093/sleep/zsac079.187

0189 High Levels of Sleep Disturbance across Early Childhood Increases Cardiometabolic Disease Risk Index in Early Adolescence: Longitudinal Sleep Analysis Using the HOME Study

2022· article· en· W4293067081 sur OpenAlexaff
Kara Duraccio, Yingying Xu, Dean W. Beebe, Bruce P. Lanphear, Aimin Chen, Joseph M. Braun, Kim M. Cecil, Kimberly Yolton

Notice bibliographique

RevueSLEEP · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Institute of General Medical SciencesNational Heart, Lung, and Blood InstituteNational Institutes of HealthUniversity of South Carolina
Mots-clésBedtimeMedicineBody mass indexSleep (system call)PediatricsSleep disorderCohort studyPhysical therapyInternal medicinePsychiatryCognition

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Sleep is a predictor of cardiometabolic disease (CMD) risk, and new evidence links early childhood sleep to later CMD risk. This study examines the impact of early childhood sleep duration, bedtime timing, and sleep disturbance on a CMD risk score in early adolescence. Methods Within the Health Outcomes and Measures of Environment (HOME) Study, a prospective pregnancy and birth cohort study, we assessed sleep patterns among 346 children using the Children’s Sleep Habits Questionnaire from ages 2 to 8 years. We calculated cardiometabolic risk scores ate age 12 for 183 of these children from visceral adiposity area, blood pressure, fasting serum triglyceride, high density lipoprotein, leptin, and adiponectin concentrations. We used a group-based semi-parametric mixture model to identify distinct trajectories in sleep duration, bedtime timing, and sleep disturbance for the entire sample. We then examined the associations between sleep trajectories and CMD risk score using general linear models for children with a CMD risk score, using both an unadjusted model (no covariates) and an adjusted model (adjusting for child pubertal stage, child sex, duration of breastfeeding, household income, and maternal education). Results Three sleep trajectories emerged for bedtime timing (late timing, medium timing, and early timing) and for sleep disturbance (high, medium, and low), and two for sleep duration (high and low). In the unadjusted model, we found significant differences in CMD risk scores by trajectories of sleep disturbance. Children in the ‘high’ trajectory had higher CMD risk scores (Least Square Mean=1.51; 95% CI: 0.39, 2.64) than those in the ‘low’ trajectory (Least Square Mean =-0.51; 95% CI: -1.16, 0.15; p=.002) and ‘medium’ trajectory (Least Square Mean=-0.15; 95% CI: -1.14, 0.85; p=.03). These findings only approached significance after adjusting for covariates. No significant differences in CMD risk were observed for bedtime timing or total sleep time trajectories in the unadjusted or adjusted models. Conclusion In this cohort, parent-reported sleep disturbance in early childhood was associated with more adverse cardiometabolic profiles in early adolescence. Our findings suggest that trials to reduce CMD risk via sleep interventions – which have been conducted in adolescents and adults – may be implemented too late. Support (If Any) National Institute of Environmental Health Sciences grants PO1 ES11261, R01 ES014575, R01 ES020349, R01 ES027224, R01 ES025214.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,293
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetBirth, Development, and HealthTravaux en français237 207