Sleep Pathologies in Depression and the Clinical Utility of Polysomnography
Notice bibliographique
Résumé
Abnormal sleep accompanies many psychiatric conditions, but has long been recognized as a particularly conspicuous feature of affective disorders. More than a mere epiphenomenon, the powerful link between sleep and mood regulation is most dramatically demonstrated by the high efficacy of sleep deprivation in alleviating depression. Indeed, the sleep abnormalities that accompany depression may be due to the same neuropathologies that are responsible for its mood and cognitive symptoms. This powerful link between sleep and mood regulation makes polysomnography (PSG) a useful window into the underlying pathophysiology of depression, yet it is underused, particularly in clinical diagnosis. Recent depression research has emphasized the importance of establishing biologically relevant subtypes of depression with treatment specificity and prognostic value. PSG measures, among other biological markers, may be of importance in establishing these subtypes. Two subtypes of depression that appear to have robust biological differences, the melancholic and atypical subtypes, have recently been shown to have different sleep profiles that can aid in differential diagnosis. Further, routine use of PSG in the workup of a depressed patient would minimize the chances of misdiagnosis in those suffering from primary sleep disorders such as sleep apnea, which can present secondary mood symptoms resembling depression. Increased use of PSG in clinical psychiatric practice would enlarge the body of data available for defining new depressive subtypes in the future. It would also serve an immediate purpose in the separation of atypical, compared with melancholic, depression, and the differential diagnosis of depression from primary sleep disorders.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».