The design of this study included o

The design of this study included oversampling of those at higher risk for SDB and women with markedly higher levels of BMI to increase the precision of the risk estimates. Because of this sampling strategy, numeric sampling weights were developed for the analysis so that the estimates could be inferred to the general population. A comprehensive presentation of this sampling strategy has been presented elsewhere,20–27 including the use of the NHANES III laboratory data as the standard33 to adjust both the men and women in terms of sociodemographics to be representative of the national population.

Mean (standard deviation [SD]) and proportions of the demographic characteristics were calculated for the entire population, as well as stratified according to insomnia and objective sleep duration status. Multinomial logistic regression models were used to assess the independent association of objective sleep duration with normal sleep, fully remitted, partially remitted, and persistent insomnia, while controlling for potential confounding factors. Objective sleep duration was entered in the regression models as a continuous variable of hours of sleep. We calculated the odds ratios (OR) and the 95% confidence intervals (95% CI) from the regression models to estimate the risk of fully remitted, partially remitted, and persistent insomnia associated with objective shorter sleep duration, simultaneously adjusting for covariates. The covariates we adjusted for included major confounding factors expected to affect this relationship, i.e., age, race, gender, obesity, SDB, physical health problems, mental health problems, caffeine, cigarettes, alcohol consumption, and sampling weight. From the fully adjusted multinomial regression model, we also calculated the OR and the 95% CI to estimate the risk of fully remitted, partially remitted, and persistent insomnia associated with each covariate. Analysis of covariance (ANCOVA) was used to examine mean differences on MMPI-2 scores between the 4 study groups, while controlling for potential confounding factors. Bonferroni corrections were applied to control for type I errors when performing post hoc multiple comparisons. All analyses were conducted with SPSS version 17.0 for Windows.

Results (Thai) 1:

การออกแบบการศึกษานี้รวมผู้ที่มีความเสี่ยงสูง oversampling SDB และผู้หญิงมีระดับสูงขึ้นอย่างเด่นชัดของ BMI เพื่อเพิ่มความแม่นยำของความเสี่ยงประเมิน เนื่องจากกลยุทธ์นี้สุ่ม สุ่มตัวเลขน้ำหนักพัฒนาขึ้นสำหรับการวิเคราะห์เพื่อให้สามารถสรุปการประเมินกับประชากรทั่วไป งานนำเสนอที่ครอบคลุมของกลยุทธ์นี้สุ่มตัวอย่างมีการนำเสนออื่น ๆ 20 – 27 รวมทั้งใช้ข้อมูลห้องปฏิบัติการของ NHANES III เป็น standard33 เพื่อปรับปรุงทั้งชายและหญิงใน sociodemographics เป็น ตัวแทนของประชากรแห่งชาติMean (standard deviation [SD]) and proportions of the demographic characteristics were calculated for the entire population, as well as stratified according to insomnia and objective sleep duration status. Multinomial logistic regression models were used to assess the independent association of objective sleep duration with normal sleep, fully remitted, partially remitted, and persistent insomnia, while controlling for potential confounding factors. Objective sleep duration was entered in the regression models as a continuous variable of hours of sleep. We calculated the odds ratios (OR) and the 95% confidence intervals (95% CI) from the regression models to estimate the risk of fully remitted, partially remitted, and persistent insomnia associated with objective shorter sleep duration, simultaneously adjusting for covariates. The covariates we adjusted for included major confounding factors expected to affect this relationship, i.e., age, race, gender, obesity, SDB, physical health problems, mental health problems, caffeine, cigarettes, alcohol consumption, and sampling weight. From the fully adjusted multinomial regression model, we also calculated the OR and the 95% CI to estimate the risk of fully remitted, partially remitted, and persistent insomnia associated with each covariate. Analysis of covariance (ANCOVA) was used to examine mean differences on MMPI-2 scores between the 4 study groups, while controlling for potential confounding factors. Bonferroni corrections were applied to control for type I errors when performing post hoc multiple comparisons. All analyses were conducted with SPSS version 17.0 for Windows.

Results (Thai) 2:

การออกแบบการวิจัยครั้งนี้รวม oversampling ของบรรดาผู้ที่มีความเสี่ยงที่สูงขึ้นสำหรับ SDB และหญิงที่มีระดับที่สูงขึ้นอย่างเห็นได้ชัดของค่าดัชนีมวลกายเพื่อเพิ่มความแม่นยำของการประมาณการความเสี่ยง เพราะกลยุทธ์การสุ่มตัวอย่างนี้น้ำหนักการสุ่มตัวอย่างที่เป็นตัวเลขได้รับการพัฒนาสำหรับการวิเคราะห์เพื่อให้ประมาณการอาจจะสรุปกับประชากรทั่วไป นำเสนอกลยุทธ์ที่ครอบคลุมของการสุ่มตัวอย่างนี้ได้รับการเสนออื่น ๆ 20-27 รวมถึงการใช้ข้อมูลในห้องปฏิบัติการ NHANES III เป็น standard33 เพื่อปรับทั้งชายและหญิงในแง่ของ sociodemographics จะเป็นตัวแทนของประชากรชาติ. ค่าเฉลี่ย (ค่าเบี่ยงเบนมาตรฐาน [SD]) และสัดส่วนของลักษณะทางประชากรที่ถูกคำนวณสำหรับประชากรทั้งหมดเช่นเดียวกับการแบ่งตามสถานะนอนไม่หลับและระยะเวลาการนอนหลับวัตถุประสงค์ รูปแบบการถดถอยโลจิสติกพหุถูกนำมาใช้ในการประเมินความสัมพันธ์ที่เป็นอิสระจากระยะเวลาการนอนหลับวัตถุประสงค์กับการนอนหลับปกติส่งอย่างเต็มที่ส่งบางส่วนและนอนไม่หลับถาวรขณะที่การควบคุมสำหรับปัจจัยที่อาจเกิดขึ้น ระยะเวลาการนอนหลับวัตถุประสงค์ถูกป้อนในรูปแบบการถดถอยเป็นตัวแปรอย่างต่อเนื่องของชั่วโมงการนอนหลับ เราคำนวณอัตราส่วนราคาต่อรอง (OR) และช่วงความเชื่อมั่น 95% (95% CI) จากรูปแบบการถดถอยในการประเมินความเสี่ยงของการส่งอย่างเต็มที่ส่งบางส่วนและนอนไม่หลับถาวรที่เกี่ยวข้องกับวัตถุประสงค์ระยะเวลาการนอนหลับสั้นพร้อมกันปรับค่าตัวแปร ตัวแปรที่เราปรับรวมถึงปัจจัยที่สำคัญที่คาดว่าจะส่งผลกระทบต่อความสัมพันธ์นี้คืออายุเชื้อชาติเพศ, โรคอ้วน, SDB ปัญหาสุขภาพทางกายภาพปัญหาสุขภาพจิต, คาเฟอีน, บุหรี่, การบริโภคเครื่องดื่มแอลกอฮอล์และน้ำหนักการสุ่มตัวอย่าง จากรูปแบบการถดถอยพหุปรับอย่างเต็มที่เรายังคำนวณหรือและ 95% CI เพื่อประเมินความเสี่ยงของการส่งอย่างเต็มที่ส่งบางส่วนและนอนไม่หลับถาวรที่เกี่ยวข้องกับตัวแปรร่วมแต่ละ การวิเคราะห์ความแปรปรวนร่วม (ANCOVA) ถูกนำมาใช้ในการตรวจสอบความแตกต่างของค่าเฉลี่ยใน MMPI-2 คะแนนระหว่างกลุ่มการศึกษาที่ 4 ขณะที่การควบคุมสำหรับปัจจัยที่อาจเกิดขึ้น แก้ไข Bonferroni ถูกนำไปใช้ในการควบคุมสำหรับประเภทข้อผิดพลาดที่ผมโพสต์เมื่อดำเนินการคณะกรรมการเปรียบเทียบหลาย การวิเคราะห์ทั้งหมดถูกดำเนินการกับรุ่น SPSS 17.0 สำหรับ Windows

Results (Thai) 3:

การออกแบบการวิจัยไทของผู้ที่มีความเสี่ยงสูงสำหรับผู้หญิงที่มีระดับที่สูงขึ้นอย่างเห็นได้ชัด ซอดันบิเทลเพื่อเพิ่มความแม่นยำของความเสี่ยงการประเมิน เพราะอาหารนี้กลยุทธ์ , ตัวเลขสุ่มน้ำหนักถูกพัฒนาเพื่อการวิเคราะห์เพื่อประเมิน สามารถจะบอกได้ในประชากรทั่วไปการนำเสนอที่ครอบคลุมของตัวอย่างกลยุทธ์ได้รับการเสนออื่น ๆ , 20 และ 27 รวมถึงการใช้ของหรือห้องปฏิบัติการ 3 ข้อมูลเป็น standard33 ปรับทั้งชายและหญิง ในแง่ของ sociodemographics เป็นตัวแทนของประชากรแห่งชาติ .

หมายถึง ( ส่วนเบี่ยงเบนมาตรฐาน [ SD ] ) และสัดส่วนของประชากรที่ได้จากการคำนวณ สำหรับประชากรทั้งหมดรวมทั้งจำแนกตามสถานะและระยะเวลาการนอนไม่หลับนอน วัตถุประสงค์ Multinomial Logistic Regression พบว่าแบบจำลองที่ใช้ประเมินสมาคมอิสระของวัตถุประสงค์นอนเวลานอน ปกติ พร้อมส่ง บางส่วนถูก และนอนไม่หลับแบบถาวร ในขณะที่การควบคุมปัจจัยที่เพิ่มโอกาสเสี่ยงที่อาจเกิดขึ้น .ระยะเวลานอนเพื่อป้อนในการถดถอยแบบเป็นตัวแปรอย่างต่อเนื่องของชั่วโมงของการนอนหลับ เราคำนวณราคาอัตราส่วน ( หรือ ) และช่วงความเชื่อมั่น 95% ( 95% CI ) จากสมการถดถอยแบบจำลองเพื่อประเมินความเสี่ยงของพร้อมส่ง บางส่วนถูก และนอนไม่หลับแบบถาวรที่เกี่ยวข้องกับวัตถุประสงค์ระยะเวลาสั้นนอนพร้อมกันปรับความรู้ .ความรู้ที่เราปรับรวมสาขา confounding ปัจจัยที่คาดว่ามีผลกระทบต่อความสัมพันธ์ ซึ่งได้แก่ อายุ เชื้อชาติ เพศ โรคอ้วน ซอดันบิ ปัญหาสุขภาพกาย ปัญหาการสูบบุหรี่ แอลกอฮอล์ คาเฟอีน สุขภาพจิต และ น้ำหนัก คน จากการปรับรูปแบบ Multinomial ถดถอยอย่างเต็มที่ เรายังคำนวณหรือและ 95% CI เพื่อประเมินความเสี่ยงของการแสดงอย่างเต็มที่ ,