Predictability of Sleep in Patients with Insomnia
Notice bibliographique
Résumé
STUDY OBJECTIVES: To evaluate whether the night-to-night variability in insomnia follows specific predictable patterns and to characterize sleep patterns using objective sleep and clinical variables. DESIGN: Prospective observational study. SETTING: University-affiliated sleep disorders center. PARTICIPANTS: 146 participants suffering from chronic and primary insomnia. MEASUREMENTS AND RESULTS: Daily sleep diaries were completed for an average of 48 days and self-reported questionnaires once. Three nights were spent in the sleep laboratory for polysomnographic (PSG) assessment. Sleep efficiency, sleep onset latency, wake after sleep onset, and total sleep time were derived from sleep diaries and PSG. Time-series diary data were used to compute conditional probabilities of having an insomnia night after 1, 2, or 3 consecutive insomnia night(s). Conditional probabilities were submitted to a k-means cluster analysis. A 3-cluster solution was retained. One cluster included 38 participants exhibiting an unpredictable insomnia pattern. Another included 30 participants with a low and decreasing probability to have an insomnia night. The last cluster included 49 participants exhibiting a high probability to have insomnia every night. Clusters differed on age, insomnia severity, and mental fatigue, and on subjective sleep variables, but not on PSG sleep variables. CONCLUSION: These findings replicate our previous study and provide additional evidence that unpredictability is a less prevalent feature of insomnia than suggested previously in the literature. The presence of the 3 clusters is discussed in term of sleep perception and sleep homeostasis dysregulation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».