Arousal Intensity is a Distinct Pathophysiological Trait in Obstructive Sleep Apnea
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
STUDY OBJECTIVES: Arousals from sleep vary in duration and intensity. Accordingly, the physiological consequences of different types of arousals may also vary. Factors that influence arousal intensity are only partly understood. This study aimed to determine if arousal intensity is mediated by the strength of the preceding respiratory stimulus, and investigate other factors mediating arousal intensity and its role on post-arousal ventilatory and pharyngeal muscle responses. METHODS: Data were acquired in 71 adults (17 controls, 54 obstructive sleep apnea patients) instrumented with polysomnography equipment plus genioglossus and tensor palatini electromyography (EMG), a nasal mask and pneumotachograph, and an epiglottic pressure sensor. Transient reductions in CPAP were delivered during sleep to induce respiratory-related arousals. Arousal intensity was measured using a validated 10-point scale. RESULTS: > 0.10, P ≤ 0.006). High (> 5) intensity arousals caused greater ventilatory responses than low (≤ 5) intensity arousals (10.9 [6.8-14.5] vs. 7.8 [4.7-12.9] L/min; P = 0.036) and greater increases in tensor palatini EMG (10 [3-17] vs. 6 [2-11]%max; P = 0.031), with less pronounced increases in genioglossus EMG. CONCLUSIONS: Average arousal intensity is independent of the preceding respiratory stimulus. This is consistent with arousal intensity being a distinct trait. Respiratory and pharyngeal muscle responses increase with arousal intensity. Thus, patients with higher arousal intensities may be more prone to respiratory control instability. These findings are important for sleep apnea pathogenesis.
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.
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 | 0,001 |
| 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 | 0,000 | 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 découle