Development and validation of a thermal comfort model for sleeping environments
Notice bibliographique
Résumé
Sleep is a vital component of a healthy lifestyle and plays a crucial role in maintaining overall well-being. Comfortable environments are known to promote better sleep quality, which, in turn, enhances cognitive performance, emotional regulation, and physical health and performance during wakefulness. While numerous studies have explored sleep physiology and its intricate relationship with thermoregulation, predictive models specifically addressing sleep comfort remain limited. Yet, such models are essential for informing the design of optimal sleeping environments in buildings. This paper adapts the general Metabolic-based Predicted Mean Vote (MPMV) comfort model for wakefulness to develop and validate a new model tailored to sleep comfort for both young and older adults. The proposed model modifies the coefficients related to regulatory sweating and non-shivering thermogenesis to reflect the distinct thermoregulatory responses during sleep. Experimental data of thermal sensation votes from published studies conducted in climatic chambers and field studies were collected for the model validation. The proposed model demonstrated strong predictive accuracy, with root mean square error (RMSE) values ranging from 0.30 to 0.44. For comparison purposes, the predictions of Fanger’s PMV model were also included in the study and resulted in a reasonable accuracy, particularly in the comfort range (PMV within ±1), but with higher overall RMSE values between 0.55 and 0.58. Application of the proposed model to a clothed body in typical summer and winter conditions in urban residences revealed nonlinear relationships between sleep comfort and ambient temperature. Notably, the model indicated lower sensitivity to cold conditions compared to warm ones, due in part to the buffering effect of the bedding microclimate between the human body and exterior environment. In practice, this finding could be used to alleviate some sleep disorders that are more sensitive to warm conditions by lowering environmental temperatures with proper beddings.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».