1133 IoT and Sleep Health Dynamics: Evaluating Policy Impacts in the COVID-19 Era
Notice bibliographique
Résumé
Abstract Introduction The political determination to prioritize public health can significantly influence disease outcomes. In the United States of America, the partisan divide has notably affected the enactment and adherence to public health policies, particularly during the COVID-19 pandemic. This study examines the impact of politically driven public health initiatives on sleep duration in the US population during the COVID-19 pandemic. Leveraging zero-effort technology and IoT device data, the research identifies variations in sleep patterns associated with political climates, providing the intricate relationship between politics and health outcomes during a global health crisis. Methods Data from 4,405 households in politically distinct cities within California and Texas are sourced from the ecobee ‘Donate Your Data’ (DYD) initiative. The dataset was preprocessed for clarity and consistency and stratified into two periods: pre-pandemic (March 2019 to February 2020) and during the pandemic (March 2020 to February 2021). Sleep duration is quantified using motion sensor inactivity as an indicator of rest periods. A Gaussian mixture model is used to identify the sleep cycle clusters, and inferential statistical methods are applied to evaluate the impact of public health policies on sleep duration across different political affiliations. Results A significant decrease in average sleep duration was observed post-pandemic onset, from 8.0±3.71 hours to 7.75±3.87 hours. Different sleep patterns were observed between political affiliations, with Democratic regions showing a consistent decline in sleep duration while Republican regions experienced varied changes. Conclusion This study highlights how political leanings and consequent health policies significantly impacted sleep health during the COVID-19 pandemic. The integration of IoT data and advanced analytics offers a novel approach to continuously monitor and enhance population health behaviours. The methodologies applied in this approach could inform public health strategies in future emergencies, with political leanings considered as a key factor in sleep health. The findings set a framework for future studies to explore the relationship between political climates and sleep health and to develop demographic- and politics-sensitive predictive tools for sleep health risks. This research supports more robust public health systems capable of sustaining sleep health despite political and societal shifts. Support (if any)
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».