Prédiction des trajectoires de durée et de qualité du sommeil durant la première vague de COVID-19 auprès d’un échantillon représentatif de Canadiens
Bibliographic record
Abstract
Le sommeil est essentiel à la santé et au bien-être. La littérature suggère que le sommeil s’est prolongé et sa qualité a diminué durant la première vague de COVID-19. Ce phénomène fut associé à divers prédicteurs de la santé. Dû au manque d'études longitudinales et d'échantillons représentatifs, celle-ci visait à (1) examiner les trajectoires de sommeil en début de COVID-19, (2) identifier les prédicteurs de ces trajectoires, et (3) déterminer les associations intertrajectoires. Un échantillon canadien représentatif (N=2246) fut interrogé 6 fois d’avril-juillet 2020. Les participants ont rapporté la durée et qualité de leur sommeil et des prédicteurs de santé. Premièrement, un modèle de croissance à classes latentes a identifié les trajectoires. Deuxièmement, une régression logistique a examiné les relations prédicteurs-trajectoires. Troisièmement, une analyse de trajectoires conjointes multiniveaux a testé les associations entre trajectoires. Quatre trajectoires constantes de qualité du sommeil furent identifiées (M=2,48/10, 6,7 %; M=5,44/10, 37,1%; M=7,83/10, 45,5 %; M=10/10, 10,7%). Deux trajectoires de durée de sommeil furent identifiées, une courte, mais constante (M=369 min, 33.9%), et une longue, mais décroissante (M=486 min, 66.1%, -2.32min/semaine). Le troisième âge, le genre masculin et le respect des recommandations gouvernementales prédisaient une qualité de sommeil élevée. Être plus vieux prédisait un sommeil court, mais constant, tandis que vivre avec un ménage prédisait un sommeil long, mais décroissant. Le sommeil des Canadiens n'a pas significativement changé comme suggéré par la littérature, possiblement due à la méthodologie de l’étude, déterminant les trajectoires de sommeil d’un échantillon pancanadien durant la première vague de COVID-19.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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 source (direct Gemma or distilled Codex), 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".