Does sleep disturbance predicts posttraumatic stress disorder and depression among college students during COVID-19 lockdown? A longitudinal survey
Notice bibliographique
Résumé
Aim: To examine the cross-sectional and longitudinal associations between self-reported sleep disturbances, posttraumatic stress disorder (PTSD) and depression in a large cohort of Chinese adolescents experiencing the COVID-19 pandemic. Methods: Participants were 67905 Chinese college students in the two-wave longitudinal web-based survey during early COVID-19 outbreak (Time1, T1: Feb 3rd to 10th, 2020) and initial remission period (Time2, T2: March 24th to April 3rd, 2020). The Youth Self Rating Insomnia Scale (YSIS), 6-Item Impact of Event Scale (IES-6), and 9-Item Patient Heath Questionnaire (PHQ-9) were used to assess adolescents' sleep, PTSD, and depressive symptoms, respectively, at T1 and T2. Results: Self-reported PTSD and depression prevalence at T1 were 34.6% and 21.6% respectively. While depressive symptoms worsened as the lockdown time increased, while PTSD symptoms decreased. After adjusting for confounding factors, sleep disturbance and sleep deprivation at T1 were significantly associated with increased PTSD and depressive symptoms at T2. Furthermore, sleep disturbance and sleep deprivation also predicted the new onset and persistence of PTSD and depression. Conclusion: Sleep disturbance predicts the development and persistence of PTSD and depression. Early assessment and treatment of sleep disturbance may be an important strategy for prevention and intervention of PTSD and depression in adolescents after experiencing the special public health emergency.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».