MétaCan
Menu
Retour à la cohorte
Enregistrement W4307181079 · doi:10.2196/38782

The Association of Midday Napping With Hypertension Among Chinese Adults Older Than 45 Years: Cross-sectional Study

2022· article· en· W4307181079 sur OpenAlexvenueno aff
Dongfeng Tang, Yiheng Zhou, Chengxu Long, Shangfeng Tang

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMedicineCross-sectional studyOdds ratioLogistic regressionDemographyGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background Hypertension is one of the main public health issues around worldwide, and midday napping is a popular habit. The association between the two remains to be explored. Objective The goal of the research was to explore the association of midday napping with hypertension. Methods This study separately selected 11,439, 12,689, and 9464 Chinese respondents aged over 45 years from the China Health and Retirement Longitudinal Study 2011, 2015, and 2018 data sets. Binary logistic regression was used to explore the association of midday napping with hypertension, and the 3-step method was used to test the mediation effect of BMI. Results Among all respondents, the prevalence rates of hypertension were 24.6% (2818/11439) in 2011, 21.1% (2683/12689) in 2015, and 22.1% (2092/9464) in 2018. Midday napping was positively correlated with hypertension. In 2011 and 2015, napping 60 to 90 minutes had the greatest odds ratios [OR] (OR2011 1.705, OR2015 1.494). In 2018, the biggest OR came from the group napping 30 to 60 minutes (OR 1.223), and ORs of different napping durations decreased from 2011 to 2018. In addition, BMI had a partial mediation effect in 2015 and 2018. Conclusions Midday napping is a potential risk factor for hypertension with BMI acting as a mediator. To prevent hypertension, avoiding prolonged duration of midday napping and taking action to maintain a normal BMI level are recommended.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,296
Écart entre enseignants0,282 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetSleep and related disordersTravaux en français237 207