MétaCan
Menu
Retour à la cohorte
Enregistrement W4411319649 · doi:10.1136/bmjresp-2024-002506

Bidirectional relationship between sleep problems and long COVID: a longitudinal analysis of data from the COVIDENCE UK study

2025· article· en· W4411319649 sur OpenAlexfundno aff
Giulia Vivaldi, Mohammad Talaei, John Blaikley, Callum Jackson, Paul E Pfeffer, Seif O. Shaheen, Adrian R. Martineau

Notice bibliographique

RevueBMJ Open Respiratory Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesPharma NordMedical Research CouncilAsthma and Lung UKBritish Heart FoundationNational Institute for Health and Care ResearchCancer Research UKDSM Nutritional ProductsBritish Lung FoundationBarts CharityDiabetes UKEngineering and Physical Sciences Research CouncilUK Research and InnovationArthritis SocietyVasculitis UKEpilepsy Foundation
Mots-clésCoronavirus disease 2019 (COVID-19)Medicine2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PandemicLongitudinal dataSleep (system call)Longitudinal studyVirologyData miningInternal medicineOutbreakInfectious disease (medical specialty)PathologyComputer scienceDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Studies into the bidirectional relationship between sleep and long COVID have been limited by retrospective pre-infection sleep data and infrequent post-infection follow-up. We therefore used prospectively collected monthly data to evaluate how pre-infection sleep characteristics affect risk of long COVID and to track changes in sleep duration during the year after SARS-CoV-2 infection. METHODS: COVIDENCE UK is a prospective, population-based UK study of COVID-19 in adults. We included non-hospitalised participants with evidence of SARS-CoV-2 infection and used logistic regression to estimate adjusted ORs for the association between preinfection sleep characteristics and long COVID. We assessed post-infection sleep duration using multilevel mixed models. We collected sleep data from participants using a subset of questions from the Pittsburgh Sleep Quality Index. We defined long COVID as unresolved symptoms at least 12 weeks after infection. COVIDENCE UK is registered with ClinicalTrials.gov, NCT04330599. RESULTS: We included 3994 participants in our long COVID risk analysis, of whom 327 (8.2%) reported long COVID. We found an inverse relationship between pre-infection sleep quality and risk of long COVID (medium vs good quality: OR 1.37, 95% CI 1.04 to 1.81; medium-low vs good: 1.55, 1.12 to 2.16; low vs good: 1.94, 1.11 to 3.38). Greater variability in pre-infection sleep efficiency was also associated with long COVID when adjusted for infection severity (OR per percentage-point increase 1.07, 1.02 to 1.12). We assessed post-infection sleep duration in 6860 participants, observing a 0.11 hour (95% CI 0.09 to 0.14) increase in the first month after infection compared with pre-infection, with larger increases for more severe infections. After 1 month, sleep duration largely returned to pre-infection levels, although fluctuations in duration lasted up to 6 months after infection among people reporting long COVID. CONCLUSIONS: While poor-quality sleep before SARS-CoV-2 infection associates with increased risk of long COVID thereafter, changes in sleep duration after infection in these non-hospitalised cases were modest and generally quick to resolve. TRIAL REGISTRATION NUMBER: NCT04330599.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelmedium
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,018
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,020
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0170,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,488
Tête enseignante GPT0,556
Écart entre enseignants0,068 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open Respiratory ResearchMême sujetLong-Term Effects of COVID-19Travaux en français237 207