MétaCan
Menu
Retour à la cohorte
Enregistrement W4294817263 · doi:10.1249/01.mss.0000878012.24100.93

Subjective And Objective Cognitive Fatigue In Wildland Firefighting

2022· article· en· W4294817263 sur OpenAlexaff
Jesse Wallace-Webb, Cory Coehoorn, Lynneth Stuart-Hill

Notice bibliographique

RevueMedicine & Science in Sports & Exercise · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Performance
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPsychomotor vigilance taskActigraphySleep deprivationMedicineEffects of sleep deprivation on cognitive performanceCognitionAudiologyShift workPsychomotor learningPhysical therapySleep qualityPsychologyCircadian rhythmInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Wildland firefighting requires continuous attention while exposed to long working hours and sub-optimal sleep. These stressors may induce cognitive fatigue, which poses a risk to worker safety due to reduced awareness. PURPOSE: This pilot investigation examined the effect of sleep and shift characteristics on variables related to cognitive fatigue. METHODS: A within-subject, observational study was conducted on 4 wildland firefighters (3 M, 1F) between July and August of the 2021 fire season. Cognitive fatigue was measured before and after shift, both subjectively, via 7-point scales (Samn-Perelli Fatigue Scale (SPS); Stanford Sleepiness Scale (SSS)), and objectively, via mean reaction time (RT) on the 3-minute psychomotor vigilance task. Sleep variables were measured subjectively via sleep log and objectively via wrist-worn actigraphy. Linear regression analyses were performed to test if shift or sleep variables predicted cognitive fatigue variables. RESULTS: All sleep and shift variables significantly predicted subjective fatigue and sleepiness. SPS was most significantly predicted by shift duration (R2 = .52, F(1, 49) = 52.75, p < .001) and subjective sleep quality (R2 = .24, F(1, 105) = 32.59, p < .001). SSS was most significantly predicted by subjective sleep quality (R2 = .32, F(1, 105) = 49.7, p < .001) and start time (R2 = .21, F(1, 87) = 23.75, p < .001). Mean RT was not significantly predicted by any sleep or shift variable. However, RT was significantly predicted by both subjective sleepiness (R2 = .34, F(1, 55) = 28.52, p < .001) and fatigue (R2 = .12, F(1, 55) = 7.73, p < .01). Mean RT was also non-significantly predicted by objective sleep quality (R2 = .10 F(1, 25) = 2.83, p = 0.105). CONCLUSIONS: Subjective cognitive fatigue measures were significantly predicted by sleep and shift characteristics. Neither sleep nor shift variables significantly predicted mean RT directly, however, RT was significantly predicted by subjective fatigue and sleepiness.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,047
Tête enseignante GPT0,406
Écart entre enseignants0,359 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedicine & Science in Sports & ExerciseMême sujetOccupational Health and PerformanceTravaux en français237 207