MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391659536 · doi:10.1101/2024.02.08.24302486

Bidirectional relationship between sleep problems and long COVID: a longitudinal analysis of data from the COVIDENCE UK study

2024· preprint· en· W4391659536 sur OpenAlexfundno aff
Giulia Vivaldi, Mohammad Talaei, John Blaikley, Callum Jackson, Paul E Pfeffer, Seif O. Shaheen, Adrian R. Martineau

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensnon disponible
Organismes subventionnairesAsthma and Lung UKBritish Heart FoundationNational Institute for Health and Care ResearchCancer Research UKMedical Research CouncilDSM Nutritional ProductsBritish Lung FoundationBarts CharityDiabetes UKEngineering and Physical Sciences Research CouncilUK Research and InnovationArthritis SocietyVasculitis UK
Mots-clésMedicineConfoundingOdds ratioLogistic regressionSleep (system call)Prospective cohort studyCoronavirus disease 2019 (COVID-19)PopulationInternal medicineDiseaseEnvironmental healthInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Summary Background Studies into the bidirectional relationship between sleep and long COVID have been limited by retrospective pre-infection sleep data and infrequent post-infection follow-up. We therefore used prospectively collected monthly data to evaluate how pre-infection sleep characteristics affect risk of long COVID, and to track changes in sleep duration during the year after SARS-CoV-2 infection. Methods COVIDENCE UK is a prospective, population-based UK study of COVID-19 in adults. We included non-hospitalised participants with evidence of SARS-CoV-2 infection, and estimated odds ratios (ORs) for the association between pre-infection sleep characteristics and long COVID using logistic regression, adjusting for potential confounders. We assessed changes in sleep duration after infection using multilevel mixed models. We defined long COVID as unresolved symptoms at least 12 weeks after infection. We defined sleep quality according to age-dependent combinations of sleep duration and efficiency. COVIDENCE UK is registered with ClinicalTrials.gov, NCT04330599 . Findings We included 3994 participants in our long COVID risk analysis, of whom 327 (8.2%) reported long COVID. We found an inverse relationship between pre-infection sleep quality and risk of long COVID (medium vs good quality: OR 1.37 [95% CI 1.04–1.81]; medium–low vs good: 1.55 [1.12–2.16]; low vs good: 1.94 [1.11–3.38]). Greater variability in pre-infection sleep efficiency was also associated with long COVID (OR per percentage-point increase 1.06 [1.01–1.11]). We assessed post-infection sleep duration in 6860 participants, observing a 0.11 h (95% CI 0.08–0.13) increase in the first month after infection compared with pre-infection, with larger increases for more severe infections. After 1 month, sleep duration largely returned to pre-infection levels, although fluctuations in duration lasted up to 6 months after infection among people reporting long COVID. Interpretation Our findings highlight the bidirectional relationship between sleep and long COVID. While poor-quality sleep before SARS-CoV-2 infection associates with increased risk of long COVID thereafter, changes in sleep duration after infection in these non-hospitalised cases were modest and generally quick to resolve. Funding Barts Charity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,064
Score d'incertitude au seuil0,128

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,168
Tête enseignante GPT0,386
Écart entre enseignants0,219 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetSleep and related disorders→Travaux en français237 207→