Interhemispheric sleep depth coherence predicts driving safety in sleep apnea
Notice bibliographique
Résumé
Obstructive sleep apnea is associated with increased risk of car crashes; however, conventional measures of sleep apnea severity do not clearly identify those individuals who are at greatest risk. Here we tested whether, among individuals with sleep apnea, those with reduced interhemispheric sleep depth coherence, measured by correlation between right and left hemisphere odds ratio product, are at greater risk. The sample was derived from the Sleep Heart Health Study, a prospective observational cohort study, and included 1,378 adults with sleep apnea. The occurrence of a car crash was ascertained by a questionnaire administered 2 years after the sleep study, which asked about the occurrence of crashes during the year prior to questionnaire administration. We computed the sleep depth coherence from electroencephalograms recorded during baseline sleep studies and after 5 years. The weighted kappa coefficient and Bangdiwala's B were 0.34 and 0.59, respectively, indicating a fair to moderate stability over a 5-year interval. Multivariate logistic regression, adjusted for age, sex, race, body mass index and miles driven per year, was used to assess the risk of a car crash. Compared to the lowest quartile of sleep depth coherence (<0.86), individuals in the highest quartile (>0.93) had a 62% (95% confidence interval, 22%-81%) lower risk of an accident. Further adjustments for usual sleep duration and sleepiness did not meaningfully alter these findings. Higher interhemispheric sleep depth coherence is associated with significantly lower risk of motor vehicle crashes in individuals with sleep apnea. This suggests that high interhemispheric sleep depth coherence may be a marker of resistance to sleep apnea-related adverse neurocognitive outcomes.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 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 ».