Evaluating the impact of a sleep health education and a personalised smartphone application on sleep, productivity and healthcare utilisation among employees: results of a randomised clinical trial
Notice bibliographique
Résumé
OBJECTIVES: We evaluated an online Sleep Health and Wellness (SHAW) programme paired with dayzz, a personalised sleep training programme deployed via smartphone application (dayzz app) that promotes healthy sleep and treatment for sleep disorders, among employees at a large healthcare organisation. DESIGN: Open-label, randomised, parallel-group controlled trial. SETTING: A healthcare employer in the USA. PARTICIPANTS: 1355 daytime workers. INTERVENTION: Participants were randomised to intervention (n=794) or control (n=561) on consent. Intervention participants received the SHAW educational programme at baseline plus access to the personalised dayzz app for up to 9 months. The control condition received the intervention at month 10. PRIMARY AND SECONDARY OUTCOME MEASURES: Our primary outcome measures were sleep-related behavioural changes (eg, consistent sleep schedule); sleep behaviour tracked on an electronic sleep diary and sleep quality. Our secondary outcome measures included employee absenteeism, performance and productivity; stress, mood, alertness and energy; and adverse health and safety outcomes (eg, accidents). RESULTS: At follow-up, employees in the intervention condition were more likely to report increased sleep duration on work (7.20 vs 6.99, p=0.01) and on free (8.26 vs 8.04, p=0.03) nights. At follow-up, the prevalence of poor sleep quality was lower in the intervention (n=160 of 321, 50%) compared with control (n=184 of 327, 56%) (p=0.04). The mean total dollars lost per person per month due to reduced workplace performance (presenteeism) was less in the intervention condition (US$1090 vs US$1321, p=0.001). Employees in the intervention reported fewer mental health visits (RR 0.72, 95% CI 0.56 to 0.94, p=0.01) and lower healthcare utilisation over the study interval (RR 0.81, 95% CI 0.67 to 0.98, p=0.03). We did not observe differences in stress (4.7 (95% CI 4.6 to 4.8) vs 4.7 (95% CI 4.6 to 4.8)), mood (4.5 (95% CI 4.4 to 4.6) vs 4.6 (95% CI 4.5 to 4.7)), alertness (4.9 (95% CI 4.8 to 5.0) vs 5.0 (95% CI 4.9 to 5.1)) or adverse health and safety outcomes (motor vehicle crashes: OR 0.82 (95% CI 0.34 to 1.9); near-miss crashes: OR=0.89 (95% CI 0.5 to 1.5) and injuries: 0.9 (95% CI 0.6 to 1.3)); energy was higher at follow-up in the intervention group (4.3 vs 4.5; p=0.03). CONCLUSIONS: Results from this trial demonstrate that a SHAW programme followed by access to the digital dayzz app can be beneficial to both the employee and employer. TRIAL REGISTRATION NUMBER: NCT04224285.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».