MétaCan
Menu
Retour à la cohorte
Enregistrement W4396937146 · doi:10.3389/fpubh.2024.1390614

Evaluation of the effects of blue-enriched white light on cognitive performance, arousal, and overall appreciation of lighting

2024· article· en· W4396937146 sur OpenAlexafffund
Valerie Gagné, Rose Turgeon, Valérie Jomphe, Claude M. H. Demers, Marc Hébert

Notice bibliographique

RevueFrontiers in Public Health · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCircadian rhythm and melatonin
Établissements canadiensUniversité LavalCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleCentres Intégré Universitaires de Santé et de Services Sociaux
Organismes subventionnairesCanada First Research Excellence FundUniversité Laval
Mots-clésAlertnessAudiologyPhotopic visionContrast (vision)PsychologyCognitionPupillometryEffects of sleep deprivation on cognitive performanceMelanopsinMedicineRetinalOphthalmologyPupilComputer scienceNeurosciencePsychiatryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Introduction Light’s non-visual effects on the biological clock, cognitive performance, alertness, and mental health are getting more recognized. These are primarily driven by blue light, which triggers specific retinal cells containing melanopsin. Traditionally, research on light has relied on correlated color temperature (CCT) as a metric of its biological influence, given that bluer light corresponds to higher Kelvin values. However, CCT proves to be an inadequate proxy of light’s biological effects. A more precise metric is melanopic Equivalent Daylight Illuminance (mel-EDI), which aligns with melanopsin spectrum. Studies have reported positive cognitive impacts of blue-enriched white light. It’s unclear if the mixed results are due to different mel-EDI levels since this factor wasn’t assessed. Method Given recent recommendations from experts to aim for at least 250 mel-EDI exposure daily for cognitive benefits, our aim was to assess if a 50-minute exposure to LED light with 250 mel-EDI could enhance concentration and alertness, without affecting visual performance or comfort compared to conventional lighting producing around 150 mel-EDI. To ensure mel-EDI’s impact, photopic lux levels were kept constant across conditions. Conditions were counterbalanced, parameters included subjective sleepiness (KSS; Karolinska Sleepiness Scale), concentration (d2-R test), visual performance (FrACT; Freiburg Visual Acuity and Contrast Test), general appreciation (VAS; Visual Analogous Scale), preferences and comfort (modified OLS; Office Lighting Survey). Results The experimental light significantly reduced sleepiness ( p = 0.03, Cohen’s d = 0.42) and also decreased contrast sensitivity ( p = 0.01, Cohen’s d = 0.50). The conventional light was found to be more comfortable ( p = 0.002, Cohen’s d = 0.62), cheerful ( p = 0.02, Cohen’s d = 0.46) and pleasant ( p = 0.005, Cohen’s d = 0.55) while the experimental light was perceived as brighter ( p = 0.004, Cohen’s d = 0.58) and tended to be more stimulating ( p = 0.10). Notably, there was a preference for conventional lighting ( p = 0.004, Cohen’s d=0.56) and concentration was equally improved in both conditions. Discussion Despite the lack of further improvement in concentration from exposure to blue-enriched light, given the observed benefits in terms of vigilance, further research over an extended period would be justified. These findings could subsequently motivate cognitive optimization through lighting for workers that would benefit from artificial lighting such as in northern regions.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,280
Écart entre enseignants0,253 · 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'étudeEssai non randomisé
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

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetCircadian rhythm and melatoninTravaux en français237 207