MétaCan
Menu
Retour à la cohorte
Enregistrement W4390144672 · doi:10.1080/21642850.2023.2296464

Psychosocial determinants of healthy sleep habits in adults with type 1 and type 2 diabetes

2023· article· en· W4390144672 sur OpenAlexafffund
Lydi‐Anne Vézina‐Im, Stéphane Turcotte, Anne‐Frédérique Turcotte, Dominique Beaulieu, François Boudreau, Christine Morin

Notice bibliographique

RevueHealth Psychology and Behavioral Medicine · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensCégep de LévisUniversité du Québec à Trois-RivièresCentre intégré de santé et de services sociaux de Chaudière-AppalachesUniversité du Québec à Rimouski
Organismes subventionnairesCentre de recherche du CHU Sainte-JustineUniversité du Québec à RimouskiDiabète Québec
Mots-clésPsychosocialType 2 diabetesSleep (system call)MedicineType 1 diabetesGerontologyDiabetes mellitusPsychiatryPsychologyClinical psychologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: Many adults with type 1 (T1D) and type 2 diabetes (T2D) have inadequate sleep increasing their risk of hyperglycemia and developing complications. The objective was to identify psychosocial determinants of healthy sleep habits (HSH) among adults with T1D and T2D.Methods: The two HSH were: avoiding screen use in bed and having sleep regularity. Adults (≥18 years) with T1D and T2D were invited to complete an anonymous online survey. The questionnaires were based on the Reasoned Action Approach and formative qualitative research previously conducted in 56 adults with T1D and T2D. Habit was included as an additional variable for screen use in bed.Results: In total, 320 adults with diabetes (T1D: 39%; T2D: 61%) completed the questionnaires (screen use in bed: 174; sleep timing: 146). Close to 75% of participants reported screen use in bed and close to 90% reported sleep timing variability in the last month. Perceived behavioral control (PBC) to avoid screen use in bed (β = −0.4486, p < 0.0001), habit of using screens in bed (β = 0.4002; p < 0.0001), and age (β = −0.0202; p = 0.0086) were determinants of screen use in bed, and this model explained 71% of the variance. PBC for sleep regularity (β = −0.2909; p = 0.0004) and being female (β = 0.5057; p = 0.0069) were determinants of sleep timing variability, and this model explained 28% of the variance. The most important beliefs associated with each HSH were identified to obtain information to design targeted interventions.Conclusions: Few adults with diabetes have HSH. Screen use in bed was strongly influenced by habit and the results suggest that both HSH are not easy to adopt among adults with diabetes. Younger adults with diabetes should be prioritized for screen use in bed, while females with diabetes should be prioritized for sleep timing variability. Adults with diabetes should have access to behavior change interventions to encourage them to adopt HSH.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,115
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,048
Tête enseignante GPT0,426
Écart entre enseignants0,378 · 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.

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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Psychology and Behavioral MedicineMême sujetSleep and related disordersTravaux en français237 207