Sleepless in inequality: findings from the 2018 behavioral risk factor surveillance system, a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Despite the large body of research on the adverse effects of income inequality, to date, few studies have examined its impact on sleep. The objective of this investigation is to examine the association between US state income inequality and the odds for regularly obtaining inadequate (< 7 h) and very inadequate (< 5 h) of sleep in the last 24 h. METHODS: We analysed data from 350,929 adults participating in the US 2018 Behavioral Risk Factor Surveillance System (BRFSS). Multilevel modeling was used to determine the association between state-level income inequality, as measured by the Gini coefficient, and the odds for obtaining inadequate and very inadequate sleep. We also determined if associations were heterogeneous across gender. RESULTS: A standard deviation increase in the Gini coefficient was associated with increased odds for inadequate (OR = 1.06, 95% CI: 1.00, 1.13) and very inadequate sleep (OR = 1.11, 95% CI: 1.03,1.20). Also, a cross-level Gini Coefficient X Gender interaction term was significant (OR = 1.07, 95% CI:1.01,1.13), indicating that increasing income inequality was more detrimental to women's sleep behavior. CONCLUSION: Future work should be conducted to determine whether decreasing the wide gap between incomes can alleviate the burden of income inequality on inadequate sleep in the United States.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».