Características académicas en el contexto de enseñanza virtual asociado a la calidad de sueño en estudiantes de Medicina de la Universidad Científica del Sur, 2021

• Autores: Lavarello Michilot, Rose-Marie Nicolle, Lillo Campos, Jose David
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Científica del Sur
• Repositorio: UCSUR-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.cientifica.edu.pe:20.500.12805/2467
• Enlace del recurso: https://hdl.handle.net/20.500.12805/2467; https://doi.org/10.21142/tl.2022.2467
• Nivel de acceso: acceso embargado
• Materia: Calidad de sueño; Latencia del sueño; Simulación por computador; Educación a distancia; Somnolencia; http://purl.org/pe-repo/ocde/ford#3.02.27

Objetivos: Determinar las características académicas en el contexto de la enseñanza virtual asociadas a la calidad de sueño en estudiantes de medicina. Métodos: Se realizó un estudio observacional, analítico, de corte transversal, que evaluó una muestra no probabilística de estudiantes de cuarto, quinto, y sexto año de la carrera medicina de la Universidad Científica de Sur, durante el año 2020. La variable desenlace de calidad de sueño fue evaluada utilizando el Índice de calidad de Sueño de Pittsburgh. Se realizó análisis de regresión de Poisson para estimar la asociación entre las características académicas y la calidad de sueño. Resultados: Se encuestó 147 estudiantes de medicina con una edad media de 21.94 ± 2.20, de los cuales el 59.18% reportaron una mala calidad de sueño. Se encontró una asociación entre la calidad de sueño con llevar cursos completos según malla curricular currícula (RP 0.66; IC95% 0.50 - 0.88) y, encontrarse satisfecho con la calidad de la enseñanza virtual (RP 0.58; IC95% 0.40 - 0.83) Conclusiones: Más de la mitad de los estudiantes presentaba una mala calidad de sueño, cuya presentación fue menor cuando el estudiante llevaba cursos completos según malla curricular y se encontraba satisfecho con la calidad de la enseñanza virtual. Futuros estudios con mayores tamaños de muestra deberán validar los resultados encontrados.