The study of subjective and objective evaluation of sleep disturbances in Parkinson's disease
Notice bibliographique
Résumé
Background Sleep disorder is one of the most common non-motor symptoms in Parkinson's disease (PD) patients. At present, there are subjective and objective tools to evaluate sleep disorders. Nevertheless, previous studies commonly used single subjective questionnaires or objective examinations. Therefore, we used the combinations of subjective and objective tools to analyze clinical characteristics of sleep disturbances in PD and investigated differences and consistence between subjective and objective tools. Methods One hundred and sixteen PD patients were eligible to participate into this study. All participants were evaluated by Pittsburgh Sleep Quality Index (PSQI), Unified Parkinson's Disease Rating Scale (UPDRS) in "on" condition, Hoehn-Yahr (H-Y) stage, Hamilton Depression Rating Scale (HAMD 24 items), Montreal Cognitive Assessment (MoCA), Epworth Sleepiness Scale (ESS), and underwent a video-polysomnography (Video-PSG). Results According to PSQI score of 116 PD patients, the proportion of PD patients with sleep disturbances (PSQI ≥ 7) was 50% (N = 58). Compared to PD patients without sleep disturbances, PD patients with sleep disturbances had lower score of MoCA (23.34 ± 3.50 vs 24.89 ± 3.52; t = 2.377, P = 0.019), higher score of UPDRSⅠ[4.00 (2.00, 5.00) vs 3.00 (2.00, 5.00); U = - 2.306, P = 0.021], UPDRSⅡ[12.00 (9.00, 16.00) vs 10.00 (6.00, 13.00); U = - 1.995, P = 0.046], higher levodopa equivalent daily dose [LED, (508.14 ± 335.85) vs (394.06 ± 236.40) mg/d; t = - 2.115, P = 0.037]. Although PD patients with sleep disturbances had more score of UPDSR Ⅲ and higher H-Y stage, the differences were not significant (P > 0.05). On the other hand, decreased total sleep time (TST), reduced sleep efficiency (SE), increased sleep latency (SL), decreased non-rapid eye movement (NREM) sleep stage Ⅱ time were found for PD patients with sleep disturbances (P < 0.05, for all). Other PSG parameters had no significant differences between PD patients with and without sleep disturbances (P > 0.05, for all). The score of PSQI was positively correlated with the score of ESS (r = 0.200, P = 0.032), HAMD (r = 0.202, P = 0.030), UPDRSⅠ (rs = 0.266, P = 0.004) and Ⅱ (rs = 0.254, P = 0.007), LED (r = 0.213, P = 0.022), SL (rs = 0.211, P = 0.023). Moreover, the score of PSQI was negatively correlated with TST (r = -0.231, P = 0.003), SE (r = -0.192, P = 0.039) and MoCA (r = -0.236, P = 0.011). Conclusion PD patients with sleep disturbances had worse cognition impairment, more mood disorders, decreased activity of daily life. Meanwhile, most of PSG parameters were altered in PD patients with sleep disturbances. Moreover, the severity of sleep disturbances in PD patients was correlated with these factors. Overall sleep quality of PD patients assessed with the objective tool could be predicted by the subjective scale. However, to evaluate sleep architecture and other sleep disorders for PD patients, the objective tools (such as Video-PSG monitoring) are necessary to be used.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».