0760 Sleep Health Profiles Across Six Harmonized Cohorts and Their Association with Future Depressive Symptoms
Notice bibliographique
Résumé
Abstract Introduction Depression is a leading cause of disability in older adults, yet it remains underdiagnosed and undertreated. Establishing common multivariable sleep health profiles may eventually help to identify at-risk older adults and match them with appropriate treatments. However, profiles identified across cohorts often differ because of inconsistent measures and methods, hampering progress towards large-scale initiatives. We aimed to overcome this challenge using harmonized data across six cohorts. Methods We harmonized five self-report sleep health indicators across six epidemiologic cohorts of adults aged >60 from the United States and Netherlands (N=613 - 3,123). We performed latent class analysis in each cohort. Generalizability and comparability of findings were assessed using several indices, including cluster stability and novel distance metrics. Generalized linear mixed-effects modeling was used to relate sleep health profiles to the risk of increased depressive symptoms over time in each cohort. Results Two sleep health profiles were common across all cohorts: ‘Good Sleep’ (GS; average sleep duration, high quality and efficiency) and ‘Poor Sleep’ (PS; short sleep duration, low quality and efficiency, high daytime sleepiness). Three cohorts indicated an ‘Inefficient Sleep’ profile (IS) and three cohorts indicated a ‘Long Sleep’ profile (LS). PS had high and sustained depressive symptoms over 3-15 years of follow-up, especially relative to GS and IS (Risk Ratios [RRs]=1.47-3.44 for PS vs.GS; 1.75-2.32 for PS vs. IS; and 1.10-1.15 for PS vs. LS). Conclusion GS and PS profiles were generalizable across cohorts. Older adults with the PS profile had heightened depressive symptoms over multiple years of follow-up, especially relative to GS and IS profiles. Next steps involve quantifying the impact of screening using sleep health profiles and gathering evidence that interventions targeting sleep health profiles reduce onset or severity of depression. Support (if any) Wallace (RF1AG056331); Rush Alzheimer’s Disease Center (R01AG017917, R01AG022018); Osteoporotic Fractures in Men Study (U01AG027810, U01AG042124, U01AG042139, U01AG042140, U01AG042143, U01AG042145, U01AG042168, U01AR066160, UL1TR000128, R01HL071194, R01HL070848, R01HL070847, R01HL070842, R01HL070841, R01HL070837, R01HL070838, R01HL070839); Study of Osteoporotic Fractures (R01AG005407, R01AR35582, R01AR35583, R01AR35584, R01AG005394, R01AG027574, R01AG027576, and R01AG026720); Rotterdam Study (Erasmus Medical Center and Erasmus University, Netherlands Organization for the Health Research and Development, Ministries of Education and Health, European Commission, Rotterdam Municipality).
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».