Sleep Quality of Heavy Vehicles’ Professional Drivers: An Analysis Based on Self-Perceived Feedback
Notice bibliographique
Résumé
Abstract Introduction Sleep is a crucial biological need for all individuals, being reparative on a physical and mental level. Driving heavy vehicles is a task that requires constant attention and vigilance, and sleep deprivation leads to behavioral and physiological changes that can develop sleep disorders which can put lives at risk. Objectives The main objectives of this study are to describe and evaluate sleep quality, excessive daytime sleepiness, circadian preference, and risk of suffering from obstructive sleep apnea in a population of Portuguese professional drivers. Methods To fulfill the objectives, 43 Portuguese professional drivers, between 23 and 63 years old, answered validated questionnaires: Epworth Sleepiness Scale, Morningness–Eveningness, Stop-Bang Questionnaire, and Pittsburgh Sleep Quality Index. Results Results indicated that older drivers tend to experience higher daytime sleepiness (11 ± 3.4; p = 0.002) and obstructive sleep apnea risk (4.5 ± 1.5; p = 0.03). Regarding sleep quality, the majority of drivers were classified with poor sleep quality (74.4%). It was possible to infer statistical differences between groups based on body mass index ( p = 0.037), the type of route ( p = 0.01), and physical activity ( p = 0.005). Conclusion Drivers have an indifferent circadian preference and small-course drivers have a worse sleep health perception. Therefore, it is essential to implement prevention programs, promoting the basic rules for better sleep quality as well as identifying sleep disorders to minimize possible road accidents.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».