Autonomic Modulation of Cardiac Activity Across Levels of Sleep Depth in Individuals With Depression and Sleep Complaints
Notice bibliographique
Résumé
OBJECTIVE: We assessed mean heart rate (HR) and HR variability (HRV) across wake, rapid eye movement (REM) sleep, and non-REM (NREM) sleep, and across varying levels of NREM sleep depth in individuals with depression and sleep complaints. METHODS: Retrospective polysomnographic data were obtained for 25 individuals diagnosed as having depression (84% female; mean age = 33.8 ± 12.2 years) and 31 mentally healthy controls (58.1% female; mean age = 37.2 ± 12.4 years). All were free of psychotropic and cardiovascular medication, cardiovascular disease, and sleep-related breathing disorders. HR and time-domain HRV parameters were computed on 30-second electrocardiography segments and averaged across the night for each stage of sleep and wake. RESULTS: Compared with the control group, the depression group had higher HR across wake, REM, and all levels of NREM depth (F(1,51) = 6.3, p = .015). Significant group by sleep stage interactions were found for HRV parameters: SD of normal-to-normal intervals (SDNN; F(2.1,107.7) = 4.4, p = .014) and root mean square differences of successive R-R intervals (RMSSD; F(2.2,113.5) = 3.2, p = .041). No significant group difference was found for SDNN or RMSSD during wake (all, p ≥ .32). However, compared with the control group, the depression group had significantly lower SDNN in REM (p = .040) and all NREM stages (all p ≤ .045), and lower RMSSD during NREM 2 (p = .033) and NREM 3 (p = .034). CONCLUSIONS: This study suggests that the abnormalities in autonomic cardiac regulation associated with depression and sleep problems are more prominent during sleep, especially NREM sleep, than during wake. This may be due to abnormalities in parasympathetic modulation of cardiac activity.
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 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».