Rapid EEG Activity during Sleep Dominates in Mild Traumatic Brain Injury Patients with Acute Pain
Notice bibliographique
Résumé
Chronic pain is a highly prevalent post-concussion symptom occurring in a majority of patients with mild traumatic brain injury (mTBI). About half of patients with mTBI report sleep-wake disturbances. It is known that pain can alter sleep quality in this population, but the interaction between pain and sleep is not fully understood. This study aimed to identify how pain affects subjective sleep (Pittsburgh Sleep Quality Index [PSQI]), sleep architecture, and quantitative electroencephalographic (qEEG) brain activity after mTBI. Twenty-four mTBI patients complaining of sleep-wake disturbances, with and without pain (8 and 16, respectively), were recruited 45 (±22.7) days post-trauma on average. Data were compared with those of 18 healthy controls (no sleep or pain complaints). The PSQI, sleep architecture, and qEEG activity were analyzed. Pain was assessed using questionnaires and a 100-mm visual analogue scale. Patients with mTBI reported three times poorer sleep quality than controls on the PSQI. Sleep architecture significantly differed between patients with mTBI and controls but was within normal range. Global qEEG showed lower delta (deep sleep) and higher beta and gamma power (arousal) at certain EEG derivations in patients with mTBI compared with controls (p<0.04). Patients with mTBI with pain, however, showed greater increase in rapid EEG frequency bands, mostly during REM sleep, and beta bands in non-REM sleep compared with patients with mTBI without pain and controls (p<0.001). Pain in patients with mTBI was associated with more rapid qEEG activity, mostly during REM sleep, suggesting that pain is associated with poor sleep and is a critical factor in managing post-concussion symptoms.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».