Sleep timing and the prevalence of hypertension in middle-aged and older populations: the sleep heart health study
Notice bibliographique
Résumé
Sleep characteristics such as duration, continuity, and irregularity are associated with the risk of hypertension. This study aimed to investigate the association between sleep timing (including bedtime, wake-up time, and sleep midpoint) and the prevalence of hypertension. Participants were selected from the Sleep Heart Health Study ( n = 5504). Bedtime and wake-up times were assessed using sleep habit questionnaires. The sleep midpoint was calculated as the halfway point between the bedtime and wake-up time. Restricted cubic splines and logistic regression analyses were performed to explore the association between sleep timing and hypertension. A significant nonlinear association was observed between bedtime (P overall <0.001; P nonlinear <0.001), wake-up time (P overall =0.024; P nonlinear =0.076), sleep midpoint (P overall =0.002; P nonlinear =0.005), and the prevalence of hypertension after adjusting for potential confounders. Multivariable logistic regression showed that both late (> 12:00 AM and 23:01 PM to 12:00 AM ) and early (≤ 22:00 PM ) bedtimes were associated with an increased risk of hypertension compared to bedtimes between 22:01 PM and 23:00 PM . In addition, individuals with late (> 7:00 AM ) and early (≤ 5:00 AM ) wake-up times had a higher prevalence of hypertension than those with wake-up times ranging between 5:01 AM and 6:00 AM . Delaying the sleep midpoint (> 3:00 AM ) was also associated with an increased risk of hypertension. Furthermore, no significant interaction effect was found in the subgroup analyses stratified by age, sex, or apnea-hypopnea index. Our findings identified a nonlinear association between sleep timing and hypertension. Individuals with both early and late sleep timing had a high prevalence of hypertension.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».