The impact and economic costs of insomnia : health-care utilisation, work function and accidents
Bibliographic record
Abstract
L'insomnie est le trouble de sommeil le plus prévalent. Elle est caractérisée par des difficultés à s'endormir, à rester endormi et/ou des réveils précoces. Près d'un tiers de la population souffre de l'insomnie occasionnellement, et dix pour cent s'en plaignent d'une façon chronique. Pour y remédier, ceux-ci consomment des médicaments prescrits, de l'alcool, et des produits sans ordonnance, naturels et homéopathiques. De plus, l'insomnie est associée à différents problèmes d'ordre psychosocial et occupationnelle, ce qui peut occasionner des coûts importants du point de vue de la société. Présentement, nous savons très peu de ces coûts, faute de données. Par exemple, nous savons très peu sur les différents types de professionnels de santé consultés ou sur la gamme de produits utilisée pour soulager les symptômes. Le rôle de l'insomnie dans l'absentéisme et les baisses de productivité au travail, ainsi que dans les accidents au travail reste également peu exploré. Finalement, les évaluations du coût de l'insomnie sont, pour la plupart, rudimentaires et limitées. L'objectif de la présente étude était donc (a) d'identifier le lien entre l'insomnie et l'utilisation du système et des produits de santé; (b) de décrire le lien entre l'insomnie, le fonctionnement au travail, et les accidents; (c) d'estimer les coûts directs et indirects de l'insomnie du point de vue globale (e.g. de la société); et (d) d'identifier les variables associées à l'utilisation du système et produits de santé, au fonctionnement au travail, et aux accidents. Un échantillon aléatoire de 956 adultes de la province du Québec a été utilisé. Les résultats démontrent que l'insomnie est associée aux consultations plus fréquentes chez une vaste gamme de professionnels de santé, une consommation plus élevée de médicaments prescrits et sans ordonnance, ainsi qu'une utilisation importante de l'alcool pour dormir. Les absences et les baisses de productivité sont également plus élevées chez les mauvais dormeurs. Les coûts directs et indirects de l'insomnie s'élèvent à 6.3$ milliards par année pour la province dont 90 pour 100 serait dû aux baisses de productivité. Combinant les coûts directs et indirects, le coût moyen annuel pour les personnes avec un syndrome d'insomnie est estimé à 4,394$, comparativement à 1,302$ pour les personnes qui présentent des symptômes et à 603$ pour les bons dormeurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".