High levels of sleep disturbance across early childhood increases cardiometabolic disease risk index in early adolescence: longitudinal sleep analysis using the Health Outcomes and Measures of the Environment study
Notice bibliographique
Résumé
STUDY OBJECTIVES: This study examines the impact of sleep duration, bedtime, and sleep disturbance during early childhood on the risk of cardiometabolic disorder (CMD) in early adolescence. METHODS: Within the Health Outcomes and Measures of Environment Study, we examined sleep patterns of 330 children from ages 2 to 8 years and the relationship of these sleep patterns with cardiometabolic risk measures at age 12 (N = 220). We used a group-based semi-parametric mixture model to identify distinct trajectories in sleep duration, bedtime timing, and sleep disturbance for the entire sample. We then examined the associations between sleep trajectories and CMD risk measures using general linear models using both an unadjusted model (no covariates) and an adjusted model (adjusting for child pubertal stage, child sex, duration of breastfeeding, household income, maternal education, and maternal serum cotinine). RESULTS: In the unadjusted and adjusted models, we found significant differences in CMD risk scores by trajectories of sleep disturbance. Children in the "high" disturbance trajectory had higher CMD risk scores than those in the 'low' disturbance trajectory (p's = 0.002 and 0.039, respectively). No significant differences in CMD risk were observed for bedtime timing or total sleep time trajectories in the unadjusted or adjusted models. CONCLUSIONS: In this cohort, caregiver-reported sleep disturbance in early childhood was associated with more adverse cardiometabolic profiles in early adolescence. Our findings suggest that trials to reduce CMD risk via sleep interventions-which have been conducted in adolescents and adults-may be implemented too late.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».