Association between hypersomnolence and the COVID-19 pandemic: The International COVID-19 Sleep Study (ICOSS)
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic and related restriction measures have affected our daily life, sleep, and circadian rhythms worldwide. Their effects on hypersomnolence and fatigue remain unclear. METHODS: The International COVID-19 Sleep Study questionnaire which included items on hypersomnolence such as excessive daytime sleepiness (EDS), and excessive quantity of sleep (EQS), as well as sociodemographic factors, sleep patterns, psychological symptoms, and quality of life was distributed in 15 countries across the world from May to September in 2020. RESULTS: Altogether responses from 18,785 survey participants (65% women, median age 39 years) were available for analysis. Only 2.8% reported having had COVID-19. Compared to before the pandemic, the prevalence of EDS, EQS, and fatigue increased from 17.9% to 25.5%, 1.6%-4.9%, and 19.4%-28.3% amid the pandemic, respectively. In univariate logistic regression models, reports of having a COVID-19 were associated with EQS (OR 5.3; 95%-CI 3.6-8.0), EDS (2.6; 2.0-3.4), and fatigue (2.8; 2.1-3.6). In adjusted multivariate logistic regression, sleep duration shorter than desired (3.9; 3.2-4.7), depressive symptoms (3.1; 2.7-3.5), use of hypnotics (2.3; 1.9-2.8), and having reported COVID-19 (1.9; 1.3-2.6) remained strong predictors of EDS. Similar associations emerged for fatigue. In the multivariate model, depressive symptoms (4.1; 3.6-4.6) and reports of having COVID-19 (2.0; 1.4-2.8) remained associated with EQS. CONCLUSIONS: A large increase in EDS, EQS, and fatigue occurred due to the COVID-19 pandemic, and especially in self-reported cases of COVID-19. These findings warrant a thorough understanding of their pathophysiology to target prevention and treatment strategies for long COVID condition.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».