COVID-Somnia: A Multicentric Study on Sleep Disturbances During the COVID-19 Pandemic With Spatial Mapping of Hotspots
Notice bibliographique
Résumé
Objective The purpose of this study was to document sleep quality and assess its sociodemographic, behavioral (i.e., tobacco use, alcohol use, and screen time), and mental-health-related indicators (i.e., anxiety and depression) in adults aged 30-59 years across three states of India, and to geo-locate state and district-level findings of sleep quality during the ongoing coronavirus disease 2019 (COVID-19) pandemic. Methods From October 2020 to April 2021, residents (aged 30-59 years) of Kerala, Madhya Pradesh, and Delhi completed a web-based survey that included sociodemographic and behavioral factors, clinical history of COVID-19, and mental health screening instruments for anxiety and depression, namely the Generalized Anxiety Disorder 2-item (GAD-2) and Patient Health Questionnaire-2 (PHQ-2). The Pittsburgh Sleep Quality Index (PSQI) was used to evaluate the quality of sleep. Average PSQI scores were geo-mapped. Results Of the 694 participants who responded, 647 completed the PSQI. The mean (SD) global PSQI score was 5.99 (3.2), with approximately 54% of participants reporting poor sleep quality (PSQI Score>5). Eight hotspot districts with severe sleep disturbances (mean score PSQI>6.5) were identified. Multivariable logistic regression analysis showed that compared to Madhya Pradesh, participants from Kerala and Delhi had 62% and 33% lower chances of having poor sleep quality, respectively. Those who screened positive for anxiety had higher odds of having poor sleep quality (adjusted odds ratio {aOR}=2.4, P=0.006*). Conclusion Overall, sleep quality was poor during the early stages of the COVID-19 pandemic (October 2020-April 2021), especially among those who reported high levels of anxiety. Among the three included states, there were differences in sleep quality.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».