Temperature biofeedback and sleep: limited findings and methodological challenges
Notice bibliographique
Résumé
Geneviève Forest,1,2 Cameron van den Heuvel,3 Kurt Lushington,4 Joseph De Koninck21Sleep Laboratory, Département de Psychoéducation et de Psychologie, Université du Québec en Outaouais, Gatineau, Québec, Canada; 2Sleep and Dreams Laboratory, School of Psychology, University of Ottawa, Ottawa, Ontario, Canada; 3Research Branch University of Adelaide, South Australia, Australia; 4School of Psychology, Social Work and Social Policy, University of South Australia, South Australia, AustraliaAbstract: Given the close link between body temperature and sleep, the perspective of manipulating core and peripheral temperature by self-regulation techniques is very appealing. We report here on a series of attempts conducted independently in two laboratories to use self-regulation (biofeedback) of oral (central) and hand (peripheral) temperature, and measured the impact on sleep-onset latency, sleep architecture, and circadian phase. We found that hand temperature was more successful than oral temperature biofeedback. Moreover, an increase in hand temperature was associated with reduced sleep-onset latency. However, most participants found the procedure difficult to implement. The temperature response to biofeedback was reduced in the aged and weakest at the time of sleep onset, and there was not a systematic relationship between the change in temperature and change in sleep latency. Methodological limitations and individual differences may account for these results. Recommendations for future research are presented.Keywords: biofeedback, core body temperature, sleep, circadian rhythm, sleep onset
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 | 0,173 | 0,358 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».