Estimation bias and agreement limits between two common self-report methods of habitual sleep duration in epidemiological surveys
Notice bibliographique
Résumé
Abstract Accurate measurement of habitual sleep duration (HSD) is crucial for understanding the relationship between sleep and health. This study aimed to assess the bias and agreement limits between two commonly used short HSD self-report methods, considering sleep quality (SQ) and social jetlag (SJL) as potential predictors of bias. Data from 10,268 participants in the International COVID Sleep Study-II (ICOSS-II) were used. Method-Self and Method-MCTQ were compared. Method-Self involved a single question about average nightly sleep duration (HSD self ), while Method-MCTQ estimated HSD from reported sleep times on workdays (HSD MCTQwork ) and free days (HSD MCTQfree ). Sleep quality was evaluated using a Likert scale and the Insomnia Severity Index (ISI) to explore its influence on estimation bias. HSD self was on average 42.41 ± 67.42 min lower than HSD MCTQweek , with an agreement range within ± 133 min. The bias and agreement range between methods increased with poorer SQ. HSD MCTQwork showed less bias and better agreement with HSD self compared to HSD MCTQfree . Sleep duration irregularity was − 43.35 ± 78.26 min on average. Subjective sleep quality predicted a significant proportion of variance in HSD self and estimation bias. The two methods showed very poor agreement and a significant systematic bias, both worsening with poorer SQ. Method-MCTQ considered sleep intervals without adjusting for SQ issues such as wakefulness after sleep onset but accounted for sleep irregularity and sleeping in on free days, while Method-Self reflected respondents’ interpretation of their sleep, focusing on their sleep on workdays. Including an SQ-related question in surveys may help bidirectionally adjust the possible bias and enhance the accuracy of sleep-health studies.
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 | 0,175 | 0,255 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».