MétaCan
Menu
Retour à la cohorte
Enregistrement W4410502854 · doi:10.1093/sleep/zsaf090.0508

0508 Exploring Dimensions of Daily Dysfunction in Insomnia and the Predictive Role of Physiological Sleep Features

2025· article· en· W4410502854 sur OpenAlexaff
Ruda Lee, Olivia Larson, Magdy Younes, Bethany Gerardy, Allan I Pack, Brendan T Keenan, Philip Gehrman

Notice bibliographique

RevueSLEEP · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésInsomniaSleep (system call)PsychologyMedicinePhysical medicine and rehabilitationPsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Insomnia significantly impairs daily functioning, but the underlying dimensional structure of daily dysfunction and its physiological predictors remain underexplored. This study aims to better characterize the daily dysfunction in individuals with and without insomnia and examines the physiological predictors of this dysfunction. Methods Data from the Sleep Apnea Global Interdisciplinary Consortium (SAGIC) were analyzed, including 1058 participants (50% female; age 45.3±14.7 years) without obstructive sleep apnea (OSA) or shift work. Insomnia was defined by self-reported difficulty falling or staying asleep ≥3 nights/week for >3 months (n=387, 57% female; age 49.0±14.5 years). The dimensionality of self-reported daily dysfunction items (e.g., bother, affecting work, affecting social life, affecting sex life, affecting others, irritability, trouble concentrating, fatigue, and sleepy) was assessed using exploratory factor analysis (EFA). The role of EEG metrics (macro and micro-architecture and Odds-Ratio-Product [ORP]) in determining daytime dysfunction was examined using linear regression analyses to evaluate the predictive value of sleep metrics, group differences, and interaction effects. Results EFA identified a single-factor structure, explaining 60.4% of the variability in measures of daily dysfunction (KMO = 0.93; > 0.80, Bartlett’s test: χ²(36) = 2452.844, p < 0.001). The single factor represents overall daily dysfunction, with higher values indicating greater severity. All variables load in the same direction, meaning that as values increase, dysfunction worsens. Linear regression analyses revealed that longer sleep onset latency (SOL) and higher ORP-9, reflecting fragmented and unstable sleep, significantly predicted greater daily dysfunction in individuals with insomnia. In the ORP model, the higher ORP-9 × group (insomnia yes/no) interaction predicted worse daily dysfunction, while higher ORP wake was unexpectedly associated with better functioning. This suggests that preserved arousal stability may buffer some negative effects of insomnia. The interaction examines whether the effect of ORP-9 on daytime dysfunction differs between the insomnia groups. The linear regression models accounted for 19–23% of the variance in daily dysfunction. Conclusion These findings highlight the role of fragmented sleep and altered arousal stability in daily dysfunction among individuals with insomnia, emphasizing the value of combined sleep metrics in understanding sleep-related functional impairments. 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 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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,252
Écart entre enseignants0,239 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetSleep and related disordersTravaux en français237 207