The Relationship Between Daily Rapid-Eye Movement Sleep and Cognitive Functioning in Older Adults
Notice bibliographique
Résumé
Abstract Previous cross-sectional research suggests that age-related decreases in Rapid-Eye Movement (REM) sleep may contribute to poorer cognitive functioning (CF); however, few studies have examined the relationship at the intraindividual level by measuring habitual sleep over multiple days. Applying a 14-day daily diary design, the current study examines the dynamic relationship between REM sleep and CF in 69 healthy older adults (M age=70.8 years, SD=3.37; 73.9% female; 66.6% completed at least an undergraduate degree). A Fitbit device provided actigraphy indices of REM sleep (minutes and percentage of total sleep time), while CF was measured four times daily on a smartphone via ambulatory cognitive tests that captured processing speed and working memory. This research addressed the following questions: At the within-person level, are fluctuations in quantity of REM sleep associated with fluctuations in next day cognitive measures across days? Do individuals who spend more time in REM sleep on average, perform better on cognitive tests than adults who spend less time in REM sleep? A series of multilevel models were fit to examine the extent to which each index of sleep accounted for daily fluctuations in performance on next day cognitive tests. Results indicated that during nights when individuals had more REM sleep minutes than was typical, they performed better on the working memory task the next morning (estimate = -.003, SE = .002, p = .02). These results highlight the impact of REM sleep on CF, and further research may allow for targeted interventions for earlier treatment of sleep-related cognitive impairment.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».