Impact of sleep chronotype on in‐laboratory polysomnography parameters
Notice bibliographique
Résumé
Morningness-eveningness preference, also known as chronotype, is the tendency for a person to sleep during certain hours of the day and is broadly categorised into morning and evening types. In-laboratory polysomnography (iPSG) is the gold-standard to assess sleep, however, an individual's chronotype is not accounted for in current protocols, which may confound collected sleep data. The objective of our study was to assess if chronotype had an association with sleep physiology. Patients who completed the diagnostic iPSG and the Morningness-Eveningness Questionnaire (MEQ), which categorises patients into morning type, neither or evening type, were assessed. Multivariable linear regression models were used to assess if chronotype was associated with sleep quality, duration, and physiology during iPSG. The study sample included 2612 patients (mean age of 53.6 years, 48% male) recruited during 2010-2015. Morning type, compared with neither type, was significantly associated with an increase in total sleep time and rapid eye movement (REM) sleep, and a decrease in sleep onset latency and the arousal index. Evening type, compared with neither type, was significantly associated with a decrease in total sleep time, sleep efficiency, and REM sleep, and an increase in sleep onset latency and wake after sleep onset. Additionally, iPSG lights out time was significantly different between the different chronotypes. Overall, a morningness chronotype was associated with favourable sleep quality and duration while an eveningness chronotype was associated with reduced sleep quality. Our study quantifies the association of chronotype with iPSG metrics and suggests that laboratory protocols should consider chronotype in their evaluations.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».