SLEEP DISORDERS IN RELAPSING-REMITTING MULTIPLE SCLEROSIS PATIENTS
Notice bibliographique
Résumé
OBJECTIVE: The aim: Our study aimed at evaluating the relationships between sleep disorders (SD), cognitive impairment (CI), anxiety and depression in patients with relapsing-remitting multiple sclerosis (RRMS). PATIENTS AND METHODS: Materials and methods: One hundred and five patients with RRMS (80 females and 25 males) aged from 22 to 67 years (mean age: 41,8±10,7; EDSS:3,5±1,6; disease duration (DD): 10,3±8,5 years) were enrolled into the study. All participants completed questionnaires on sleep (the Pittsburgh Sleep Quality Index /PSQI), cognitive functions (The Montreal Cognitive Assessment /MoCA), anxiety (Hamilton Anxiety Rating Scale /HAM-A), depression (Beck Depression Inventory/ BDI). RESULTS: Results: According to PSQI score the patients were divided into two groups: with (n=42) and without SD (n=63). The patients with SD were older (45,36±1,66 vs 39,41±1,27, p=0.005), had higher EDSS score (3,98±0,26 vs 3,14±0,19, p=0,008), BDI (13,79±1,14 vs 8,96±0,86, p=0,0009) and HAM-A (24,52±1,42 vs 16,56±0,99, p<0,0001) scales compared with patients without SD. The frequency of anxiety (p=0,0034) and depression (p=0,038) was significantly higher in RRMS patients with compared to those without SD. No significant difference was found in gender, DD and MoCA score. In patients with SD significant negative correlation between MoCA and BDI score (r = -0,42, p<0,005) was found. In the group of patients without SD significant negative correlation between MoCA and EDSS (r = -0,27, p=0,03), MoCA and BDI (r = -0,26, p=0,043),) MoCA and HAM-A (r = -0,25, p=0,041) score was detected. CONCLUSION: Conclusions: Insomnia type SD in RRMS patients were associated with older age, higher EDSS score and presence of anxiety and depression.
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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».