Do dreams tell the future? Dream content as a predictor of cognitive deterioration in Parkinson’s disease
Notice bibliographique
Résumé
Cross-sectional studies suggest a correlation between alterations in dream content reports and executive dysfunction tests in Parkinson's disease (PD), but this has not been assessed in longitudinal studies. Our objective was to assess the predictive value of dream content for progression of cognitive dysfunction in PD. We prospectively addressed all consecutive, non-demented patients with PD attending an outpatient clinic during a 1-year period. Dream reports were collected at baseline by means of a dream diary and analysed according to the Hall and Van de Castle system. Patients were assessed at baseline for rapid eye movement sleep behaviour disorder, motor stage, mood disorder and psychosis. The Montreal Cognitive Assessment (MoCA) was applied at baseline and 4 years later. Linear regression analysis was used to the test the relation between each dream index (predictors), demographic and other motor and non-motor variables (covariates), and change in MoCA scores (dependent variable). In all, 58 patients were assessed at both time points and 23 reported at least one dream (range 1-27, total 148). Aggression, physical activities, and negatively toned content predominated in dream reports. The MoCA scores decreased significantly from baseline to follow-up. In the multivariate model, negative emotion index was the strongest predictor of cognitive decline. We found a significant positive association between negative emotions in dreams at baseline and subsequent reduction in MoCA scores. These findings suggest that some dream content in patients with PD could be considered a predictor of cognitive decline, independent of other factors known to influence either dream content or cognitive deterioration.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».