1075 Factors Associated with the Use of Self-help Strategies for Sleep in Children and Adolescents with Epilepsy
Notice bibliographique
Résumé
Abstract Introduction Sleep problems are common in children and adolescents with epilepsy. Our previous analyses have shown that this population used a variety of self-help strategies to improve sleep. However, factors associated with the use of these self-help strategies have not been investigated. Exploring these factors is crucial for identifying the groups of children and adolescents most in need of intervention. This cross-sectional observational study aims to examine factors associated with the use of self-help strategies for sleep in children and adolescents with epilepsy. Methods A convenience sample of 251 children and adolescents with epilepsy aged 1-18 years and their parents or caregivers were recruited from a university-affiliated hospital in Northern Taiwan. Participants completed a socio-demographic form and 1-week diaries documenting their self-help strategies for sleep. Multivariate regression analyses were conducted to explore factors associated with the use of self-help strategies for sleep in children and adolescents with epilepsy. Results The mean age of children and adolescents with epilepsy was 6.1 ± 4.47 years, and 56.2% were male. A total of 177 (70.5%) parents reported using self-help strategies to help their children’s sleep. The most commonly used self-help strategies were accompanying the child (46.6%) and relaxation techniques (25.1%). Multivariate analyses revealed that younger age (β = -.071, p <.01), having an employed mother (β = 0.371, p <.01), being an only child (β = 0.312, p <.01), and a higher frequency of seizures over the past 3 months (β =.284, p <.01) were significantly associated with greater strategy use. Conclusion This study shows that various demographic and clinical factors are associated with the use of self-help strategies for improving sleep in children and adolescents with epilepsy. Future studies should explore how these factors influence the choice and effectiveness of self-help strategies for sleep in this population. Support (if any) This work was supported by the National Science and Technology Council, Taiwan, MOST 104-2314-B-002-115-MY3 and NSTC 112-2628-B-002-003.
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 | 0,000 | 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 ».