Oro‐facial activities in sleep bruxism patients and in normal subjects: a controlled polygraphic and audio–video study
Notice bibliographique
Résumé
To our knowledge, the large spectrum of sleep motor activities (SMA) present in the head and neck region has not yet been systematically estimated in normal and sleep bruxism (SB) subjects. We hypothesized that in the absence of audio-video signal recordings, normal and SB subjects would present a high level of SMA that might confound the scoring specificity of SB. A retrospective analysis of several SMA, including oro-facial activities (OFA) and rhythmic masticatory muscle activities (RMMA), was made from polygraphic and audio-video recordings of 21 normal subjects and 25 SB patients. Sleep motor activities were scored, blind to subject status, from the second night of sleep recordings. Discrimination of OFA included the following types of activities: lip sucking, head movements, chewing-like movements, swallowing, head rubbing and scratching, eye opening and blinking. These were differentiated from RMMA and tooth grinding. The frequency of SMA per hour of sleep was lower in normal subjects in comparison with SB patients (P < 0.001). Up to 85% of all SMA in normal subjects were related to OFA while 30% of SMA in SB patients were related to OFA scoring (P < 0.001). The frequency of RMMA was seven times higher in SB patients than in normal subjects (P < 0.001). Several SMA can be observed in normal and SB subjects. In the absence of audio-video signal recordings, the discrimination of various types of OFA is difficult to achieve and may lead to erroneous estimation of SB-related activities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».