Evening light reduces fatigue and errors during night shifts: A randomised controlled trial
Notice bibliographique
Résumé
Objective: Shift work causes circadian rhythms to misalign with the demands of the environment, which has been associated with sleep difficulties and cognitive impairments. Although bright light exposure during night shifts can improve circadian alignment, its implementation is often infeasible. Here, we tested whether light exposure in the evening, before the night shift, could improve fatigue, work performance, mood, and sleep. Methods: Fifty-seven healthy nurses who worked full-time rapidly rotating shift schedules completed the study. In a mixed-design randomised controlled trial, participants completed a baseline observation period before following one of two interventions. The experimental intervention aimed to improve circadian alignment using evening light exposure and morning light avoidance; the control intervention aimed to improve alertness and reduce sleep disturbances by modifying diet. Every morning and evening for 30 days, participants completed measures of fatigue, work-related errors, sleepiness, mood, sleep duration, and sleep quality. Results: Compared to the baseline observation period, the experimental intervention reduced errors by 67% while the control intervention reduced them by only 5%. This reduction was partially mediated by fatigue; experimental participants reported less fatigue on work days than control participants (d = 0.25 [0.12, 0.38]). The experimental group also showed a small improvement in mood. Both groups showed reductions in fatigue (d = .29 [.20, .35]) and sleepiness (d = 0.21 [0.13, 0.29]) as well as a small increase in sleep duration. Conclusion: Interventions based on evening light may thus be a feasible and effective strategy to reduce fatigue and errors in night shift workers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».