Sleep duration change among adolescents in Canada: Examining the impact of COVID-19 in worsening inequity
Notice bibliographique
Résumé
Purpose: The purpose of this study was to assess if adolescent sub-populations in Canada (i.e., based on race/ethnicity, sex/gender, socioeconomic status, and urbanicity groups) experienced a larger change in sleep duration and guideline adherence between 2019 and 2020 (pre-pandemic) and the 2020-2021 (mid-pandemic) school years. Methods: = 8209) in Canada were used for analyses. Regression modelling tested the main effects of race/ethnicity, sex/gender, socioeconomic status, and urbanicity on changes in sleep duration as well as adherence to Canada's 24-h Movement Guidelines for sleep (8-10 h/night). Interactions between identity variables (race/ethnicity or sex/gender) and other main effect variables were subsequently tested. Results: Females gained more sleep (4.5 [1.5, 7.5] min/day more) and increased guideline adherence (AOR = 1.16 [1.04, 1.30] than males on average. Asian race/ethnic identity was associated with less sleep gain than White identity -10.1 [-19.4, -0.8], but not guideline adherence. Individuals in large urban areas gained less sleep and adhered less to guidelines than individuals from any other level of urbanicity (-21.4 [-38.5, -4.2] to -15.5 [-30.7, -0.2] min/day). Higher individual SES scores were associated with greater sleep gain (linear trend: 11.16 [1.2-21.1]). The discrepancies in sleep gain and guideline adherence between males and females were significantly modified by race/ethnicity and urbanicity. Discussion: Increases in sleep duration may be one of the few benefits to adolescents during the COVID-19 pandemic but were not equally distributed across sub-populations. Efforts to promote better sleep adherence may need to account for sex/gender differences, especially in less urbanized areas and certain racial/ethnic groups.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».