Minimal Impact of Inadvertent Sleep Between Naps on the MSLT and MWT
Notice bibliographique
Résumé
Sleepiness is often neurophysiologically assessed using the multiple sleep latency test (MSLT) or the maintenance of wakefulness test (MWT). We examined the frequency of incidental intersession napping during MSLT and MWT testing to see if there was a relationship between intersession napping, mean sleep latency and subjective sleepiness on the Epworth Sleepiness Scale (ESS). We conducted a retrospective analysis of 24 studies of subjects who underwent either a MSLT or a MWT as a component of their clinical assessment and had coincidental wireless telemetry recording of their sleep in between scheduled naps. We found that 17.6% of the MSLT patients and 28.6% of the MWT patients slept inadvertently between test sessions. The group of patients who napped between sessions had shorter sleep latencies on the MSLT. No statistically significant group-wise difference between the sleep latencies of those who napped between MWT sessions and those who did not was found. There was no significant difference between the ESS of those who did and those who did not sleep between sessions. We found that brief inadvertent intersession napping was common during the MSLT and MWT, but there was no evidence to suggest that this significantly alters clinical test results.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».