O045 Sleep management strategies among medical students
Notice bibliographique
Résumé
Abstract Introduction Medical students are undertaking an intense curriculum, the stress of which may cause or worsen insomnia and depressive symptoms. We aim to investigate factors which might affect the sleep of medical students, and how they currently manage their sleep. Methods A brief online survey was sent to medical students, consisting of validated questionnaires, and questions related to sleep management strategies. Results We recruited 828 participants—49.5% reported insomnia symptoms and 51.4% reported depressive symptoms. After adjusting for gender, ethnicity and age, depressive symptoms (Mild: odds ratio (OR) = 6.26; Moderate: OR = 18.13; Severe: OR = 15.57), and sleep hygiene (OR = 1.07) were associated with insomnia symptoms. Commonly endorsed strategies for sleep management by students were undertaking regular exercise (80.1%), having consistent sleep-wake time (71.3%), and limiting caffeine intake (70.3%). Few were willing to see a clinician (23.4%) or take medication (22.3%). Participants with insomnia symptoms were more likely to prefer limiting their alcohol intake (OR = 1.77), limiting daytime naps (OR = 1.5), seeing clinicians (OR = 1.86), and taking sleep medication (OR = 3.98), but less likely to prefer avoiding intense work (OR = 0.71) or minimizing using electronics (OR = 0.60) close to bedtime than those without insomnia symptoms. High sleep self-efficacy was associated with lower odds for having insomnia symptoms (OR = 0.74 (0.70, 0.77)). Discussion Self-reported insomnia and depression are common among medical students. Increased awareness and greater resources are needed to support the sleep health and emotional well-being of medical students.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».