Physiological and pathological high-frequency oscillations have distinct sleep-homeostatic properties
Notice bibliographique
Résumé
OBJECTIVE: The stage of sleep is a known modulator of high-frequency oscillations (HFOs). For instance, high amplitude slow waves during NREM sleep and the subtypes of REM sleep were shown to contribute to a better separation between physiological and pathological HFOs. This study investigated rates and spatial spread of the different HFO types (physiological and pathological ripples in the 80-250 Hz frequency band, and fast ripples above 250 Hz) depending on time spent in sleep across the different sleep cycles. METHODS: Fifteen patients with focal pharmaco-resistant epilepsy underwent one night of video-polysomnography during chronic intracranial EEG recording for presurgical epilepsy evaluation. The HFO rate and spread across the different sleep cycles were determined with an automatic HFO detector. We built models to explain the observed rate and spread based on time in sleep and other variables i.e. sleep stage, delta band and sigma band activity, and slow wave amplitude. Statistical significance of the different variables was determined by a model comparison using the Akaike information criterion. RESULTS: The rate of HFOs depends significantly on the accumulated time of sleep. As the night advanced, the rate of pathological ripples and fast ripples decreased during NREM sleep (up to 15% per hour spent in the respective sleep stages), while the rate of physiological ripples increased during REM sleep (8% per hour spent in REM sleep). Interestingly, the stage of sleep but not the sleep cycle determined the extent of spread of HFOs, showing a larger field during NREM sleep and a more restricted field during REM sleep. CONCLUSION: The different dependence with sleep time for physiological and pathological ripples is in keeping with their distinct underlying generating mechanisms. From a practical point of view, the first sleep cycle seems to be best suitable for studying HFOs in epilepsy, given that the contrast between physiological and pathological ripple rates is largest during this time.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».