O006 Tracking wake propensity across night shift lighting conditions with ORP
Notice bibliographique
Résumé
Abstract Introduction Odds ratio product (ORP) provides a continuous metric of sleep depth and wake propensity that may be a useful marker of sleep and circadian disruption effects on sleepiness and subsequent performance. Thus, the present study examined wakefulness during simulated shift work under different lighting conditions that were previously shown to differentially impact circadian rhythm and performance. Methods Nineteen healthy sleepers (7 female, mean ± SD 29 ± 10yrs) underwent two continuous 8-day sessions, each with either circadian-informed or standard lighting. During days 3-7, participants underwent a night-shift schedule, sleeping from 10:00-9:00. Participants competed three 7-minute drowsiness test batteries throughout each night shift. ORP, ranging from 0 (deep sleep) to 2.5 (full wakefulness), was calculated using C3 and C4 electrodes in 3-sec epochs. Results Generalized linear mixed models demonstrated significant three-way interactions (Condition × Day × Test Battery) for both C3 ORP (χ2 = 79.11, p<.001) and C4 ORP (χ2 = 21.99, p=.001). ORP was consistently higher in test battery 3 in the circadian-informed lighting compared to standard lighting. Day 6 showed lower ORP in circadian-informed lighting at battery 1 and battery 2 for both channels (p<.010), while C3 ORP was highest across all batteries on Day 7. Discussion These results support that ORP is sensitive to circadian-informed lighting effects that progressively alter wakefulness over consecutive night shifts, whilst remaining sensitive to within-shift dips in wakefulness. Thus, where continuous electroencephalographic measurement is feasible, ORP may be a useful metric for evaluating differential wakefulness levels, alertness and safety in the context of shift work.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».