MétaCan
Menu
Retour à la cohorte
Enregistrement W4387881849 · doi:10.1093/sleepadvances/zpad035.078

O078 A Comparison of Subjective Sleepiness and Subjective driving Performance between People Vulnerable Versus Resistant to Driving Impairment following Extended Wakefulness.

2023· article· en· W4387881849 sur OpenAlexaff
Katrina Nguyen, Claire Dunbar, A Guyett, Kelsey Bickley, Duc Phuc Nguyen, Hannah Scott, Amy C. Reynolds, Matthew Hughes, Robert Adams, Leon Lack, Peter Catcheside, Jennifer M. Cori, Mark E. Howard, Clare Anderson, David Stevens, Nicole Lovato, Andrew Vakulin

Notice bibliographique

RevueSLEEP Advances · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and Work-Related Fatigue
Établissements canadiensNeuroRx Research (Canada)
Organismes subventionnairesnon disponible
Mots-clésWakefulnessPsychologyAudiologySleep deprivationPoison controlInjury preventionDriving simulatorMedicineElectroencephalographyPsychiatrySimulationMedical emergencyCognition

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Subjective sleepiness and driving performance are generally associated but show inter-individual variability. Specifically, some people are more vulnerable, while others are more resistant to driving impairment during extended wakefulness. We examined the relationship between subjective sleepiness and driving performance in groups resistant versus vulnerable to driving impairment during extended wakefulness. Methods Thirty-two adults (female=18, mean age=33.0yrs, SD=14.6) completed five 60-minute driving simulator assessments across 29 hours of extended wakefulness. Perceived sleepiness (Karolinska sleepiness scale, KSS) and driving performance (nine-point Likert scale) were assessed at 10-minute intervals while driving. Through cluster analysis, participants were categorised as vulnerable (n=16) or resistant (n=16) using steering deviation and crash data. Correlations, stepwise regressions, and ROC curves were used to identify predictors of driving impairment. Results Perceived sleepiness and driving impairment increased across the drives during wakefulness and within drives, regardless of grouping (p<0.001). The exception was the drive at 25-hours into wakefulness, where the vulnerable group showed higher perceived driving impairment within the drive (p=0.001). Pre-drive KSS, total sleep time, age and gender were not significant predictors of crashes at drives undertaken at 1-hour, 7-hours, 13-hours, or 25-hours, but were significant at 19-hours into wakefulness, together explaining 44% of the variance in crashes. Discussion Self-reports are sensitive to driving impairment but not differential vulnerability to performance decrements during extended wakefulness. However, the findings support that both groups can perceive their sleepiness and ideally employ appropriate countermeasures (e.g., stop driving, nap, caffeine). Future studies should target more objective predictors of vulnerable versus resistant 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,333
Écart entre enseignants0,310 · 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 tête enseignante, pas un consensus.

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'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEP AdvancesMême sujetSleep and Work-Related FatigueTravaux en français237 207