MétaCan
Menu
Retour à la cohorte
Enregistrement W4381046524 · doi:10.15173/sciential.v1i10.3357

Blue Wavelength Light Treatment for Improving Sleep in Patients with Post-Traumatic Stress Disorder

2023· article· en· W4381046524 sur OpenAlexaffvenue
Hassan Masood

Notice bibliographique

RevueSciential - McMaster Undergraduate Science Journal · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAnxietyPsychological interventionCircadian rhythmMental healthTraumatic stressMedicineSleep (system call)Light therapyPsychiatryBlue lightQuality of life (healthcare)Dark therapyEtiologyClinical psychologyPsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Traumatic live events comprise the etiology of post-traumatic stress disorder (PTSD). PTSD patients are known to face adverse impacts on their mental and physical health. Symptoms of concern relating to PTSD include heightened anxiety levels, intrusive memories, nightmares, and problems with sleeping. Disrupted sleep leads to exhausted brain function that impedes the daily activities of individuals and impacts their perceived quality of life. Therefore, researchers have sought to examine interventions that help improve sleep and circadian rhythms. Recently, blue-light therapy has been the target of clinical research to understand its role in alleviating PTSD symptoms. Results from clinical trials showed that patients receiving blue light showed significant reductions in daytime sleepiness and fatigue. Furthermore, these individuals showed faster reaction times and greater phase advances in circadian rhythms, leading to earlier sleep onset at night. As we work towards focusing our attention on addressing mental health issues, investigating the benefits of non-pharmacological interventions such as blue-light therapy can help improve the health outcomes of PTSD patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,270
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSciential - McMaster Undergraduate Science JournalMême sujetSleep and related disordersTravaux en français237 207