Sleep Efficiency and Sleep Onset Latency in One Saskatchewan First Nation
Notice bibliographique
Résumé
BACKGROUND: Sleep efficiency and sleep onset latency are two measures that can be used to assess sleep quality. Factors that are related to sleep quality include age, sex, sociodemographic factors, and physical and mental health status. This study examines factors related to sleep efficiency and sleep onset latency in one First Nation in Saskatchewan, Canada. METHODS: A baseline survey of the First Nations Sleep Health project was completed between 2018 and 2019 in collaboration with two Cree First Nations. One-night actigraphy evaluations were completed within one of the two First Nations. Objective actigraphy evaluations included sleep efficiency and sleep onset latency. A total of 167 individuals participated, and of these, 156 observations were available for analysis. Statistical analysis was conducted using logistic and linear regression models. RESULTS: More females (61%) than males participated in the actigraphy study, with the mean age being higher for females (39.6 years) than males (35.0 years). The mean sleep efficiency was 83.38%, and the mean sleep onset latency was 20.74 (SD = 27.25) minutes. Age, chronic pain, ever having high blood pressure, and smoking inside the house were associated with an increased risk of poor sleep efficiency in the multiple logistic regression model. Age, chronic pain, ever having anxiety, heart-related illness, and smoking inside the house were associated with longer sleep onset latency in the multiple linear regression model. CONCLUSIONS: Sleep efficiency and sleep onset latency were associated with physical and environmental factors in this First Nation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».