MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307965858 · doi:10.1177/26350106221137896

Multidimensional Sleep and Cardiometabolic Risk Factors for Type 2 Diabetes: Examining Self-Report and Objective Dimensions of Sleep

2022· article· en· W4307965858 sur OpenAlexaff
Lisa Matricciani, Catherine Paquet, Dorothea Dumuid, Kurt Lushington, Tim Olds

Notice bibliographique

RevueThe Science of Diabetes Self-Management and Care · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensUniversité LavalCentre hospitalier universitaire de Québec
Organismes subventionnairesNational Health and Medical Research Council
Mots-clésActigraphyType 2 diabetesMedicineDyslipidemiaBody mass indexSleep (system call)Diabetes mellitusObesityInsomniaPsychiatryInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The purpose of the study was to determine the association between objective and self-report measures of sleep and cardiometabolic risk factors for type 2 diabetes. METHODS: This study examines data on Australian adults, collected as part of the Child Health CheckPoint study. Sleep was examined in terms of actigraphy-derived sleep duration, timing, efficiency and variability; and self-report trouble sleeping. Cardiometabolic risk factors for type 2 diabetes were examined in terms of body mass index and biomarkers of inflammation and dyslipidemia. Generalized estimating equations, adjusted for geographic clustering, were used to determine the association between measures of sleep and cardiometabolic risk factors. RESULTS: Complete case analysis was conducted for 1017 parents (87% mothers). Both objective and self-report measures of sleep were significantly but weakly associated with cardiometabolic risk factors. CONCLUSION: Both objective and self-report measures of sleep are significantly associated with cardiometabolic risk factors for type 2 diabetes. Self-report troubled sleep is associated with poorer cardiometabolic health, independent of actigraphy-derived sleep parameters.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,243 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Science of Diabetes Self-Management and Care→Même sujetSleep and related disorders→Travaux en français237 207→