Race and sex differences in the longitudinal changes in multidimensional self-reported sleep health characteristics in aging older adults
Notice bibliographique
Résumé
OBJECTIVES: We examined within-individual changes in self-reported sleep health as community-dwelling older adults age as well as potential differences in these changes by self-reported sex and racial identity. METHODS: Participants were from the United States and enrolled in the Rush Memory and Aging Project, Minority Aging Research Study, or Religious Orders Study (N = 3539, 20% Black, 75% female, mean 78years [range 65-103]), and they received annual, in-person clinical evaluations (median 5 visits [range 1-27]). A sleep health composite score measured the number of poor sleep characteristics among satisfaction, daytime sleepiness, efficiency, and duration. Mixed effects models estimated associations of age, race, sex, and their interactions on the composite and individual sleep measures, accounting for key confounders. RESULTS: As they aged, Black participants shifted from reporting two poor sleep characteristics to one poor sleep characteristic, while White participants shifted from one poor characteristic to two. Regardless of age, sex, and race, participants reported that they "often" felt satisfied with their sleep and "sometimes" had trouble staying asleep. Females over age 85 and males of all ages reported the most daytime sleepiness, and older White participants (>age 90) reported the most difficulty falling asleep. CONCLUSIONS: Although self-reported sleep characteristics were typically stable across age, identifying race and sex differences in self-reported sleep health can help guide future research to understand the mechanisms that underlie these differences.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».