MétaCan
Menu
Retour à la cohorte
Enregistrement W2106512085 · doi:10.1186/s13054-014-0628-4

Sleep continuity: a new metric to quantify disrupted hypnograms in non-sedated intensive care unit patients

2014· article· en· W2106512085 sur OpenAlexaff
Xavier Drouot, Agathe Bridoux, Arnaud W. Thille, Ferran Roche‐Campo, Ana Córdoba-Izquierdo, Sandrine Katsahian, Laurent Brochard, Marie‐Pia d’Ortho

Notice bibliographique

RevueCritical Care · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesCentre Hospitalier Universitaire de PoitiersAssistance publique-Hôpitaux de Paris
Mots-clésMedicineIntensive care unitMetric (unit)Sleep (system call)Emergency medicineIntensive care medicineMedical emergencyOperations management

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Sleep in intensive care unit (ICU) patients is severely altered. In a large proportion of critically ill patients, conventional sleep electroencephalogram (EEG) patterns are replaced by atypical sleep. On the other hand, some non-sedated patients can display usual sleep EEG patterns. In the latter, sleep is highly fragmented and disrupted and conventional rules may not be optimal. We sought to determine whether sleep continuity could be a useful metric to quantify the amount of sleep with recuperative function in critically ill patients with usual sleep EEG features. METHODS: We retrospectively reanalyzed polysomnographies recorded in non-sedated critically ill patients requiring non-invasive ventilation (NIV) for acute hypercapnic respiratory failure. Using conventional rules, we built two-state hypnograms (sleep and wake) and identified all sleep episodes. The percentage of time spent in sleep bouts (<10 minutes), short naps (>10 and <30 minutes) and long naps (>30 minutes) was used to describe sleep continuity. In a first study, we compared these measures regarding good (NIV success) or poor outcome (NIV failure). In a second study performed on a different patient group, we compared these measurements during NIV and during spontaneous breathing. RESULTS: While fragmentation indices were similar in the two groups, the percentage of total sleep time spent in short naps was higher and the percentage of sleep time spent in sleep bouts was lower in patients with successful NIV. The percentage of total sleep time spent in long naps was higher and the percentage of sleep time spent in sleep bouts was lower during NIV than during spontaneous breathing; the level of reproducibility of sleep continuity measures between scorers was high. CONCLUSIONS: Sleep continuity measurements could constitute a clinically relevant and reproducible assessment of sleep disruption in non-sedated ICU patients with usual sleep EEG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,087
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,311
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,087
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,338
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207