Avaliação do padrão do ciclo sono-vigília e a cognição em estudantes de medicina com diferentes esquemas de horários de aulas
Bibliographic record
Abstract
O padrão de sono dos estudantes ao entrarem na universidade, é acompanhado por muitos fatores que podem levar a mudanças nos hábitos de sono, tais como demanda acadêmica, novas oportunidades sociais, diminuição do cuidado dos pais e horários de aulas irregulares. O padrão irregular de sono-vigília é usualmente acompanhado por várias consequências diurnas, como diminuição nos níveis de motivação, desempenho, concentração, atenção e humor, bem como aumento da fatiga e da sonolência. Assim, existem inúmeras razões para apoiar o fato de que, esses estudantes universitários, podem sofrer prejuízos em seu desempenho acadêmico. O objetivo desse estudo foi avaliar o padrão ciclo sono-vigília (CSV) e a cognição em estudantes de medicina com diferentes esquemas de horários de aulas. Uma turma iniciava as aulas às 08 horas da manhã, enquanto a outra iniciava às 07 horas. Para isso contamos com 88 voluntários. Porém, desses, apenas os que participaram das duas etapas no estudo (n=78) realizaram o teste cognitivo. Para a avaliação subjetiva do CSV foi utilizado questionários para verificar a (1) qualidade de sono, (2) cronotipo, (3) sonolência diurna e (4) hábitos de sono. Para avaliação objetiva foi utilizado o actímetro e para avaliação cognitiva o teste MoCA (Montreal Cognitive Assessment). Os resultados indicam que a turma que tem aula mais cedo teve uma maior irregularidade do CSV e um pior desempenho no teste cognitivo. Houve diferença entre os horários da semana e do fim de semana nas variáveis subjetivas, hora de deitar, hora de levantar e duração do sono, em ambas as turmas. E nas variáveis objetivas, tempo na cama na turma das 08h e, hora de dormir, hora de acordar, tempo real de sono, tempo na cama e despertares noturnos na turma das 07h. No teste cognitivo, houve diferença entre as turmas no escore geral e nos domínios de função executiva e evocação de memória. Assim, sugere-se que o horário de início das aulas pode provocar irregularidade do CSV e, essa irregularidade pode provocar um déficit cognitivo leve. Além disso, o teste cognitivo MoCA foi sensível para detectar diferenças entre os estudantes, apesar da diferença entre os horários ser pequena
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 | 0.005 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".