Tracking Rhythms Coherence From Polysomnographic Records: A Time-Frequency Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The crosstalk between organs plays a crucial role in physiological processes. This coupling is a dynamical process, it must cope with a huge variety of rhythms with frequencies ranging from milliseconds to hours, days, seasons. The brain is a central hub for this crosstalk. During sleep, automatic rhythmic interrelations are enhanced and provide a direct insight into organ dysfunctions, however their origin remains a difficult issue, in particular in sleep disorders. In this study, we focus on EEG, ECG, and airflow recordings from polysomnography databases. Because these signals are non-stationary, non-linear, noisy, and span wide spectral ranges, a time-frequency analysis, based on wavelet transforms, is more appropriate to handle this complexity. We design a wavelet-based extraction method to identify the characteristic rhythms of these different signals, and their temporal variability. These new constructs are combined in pairs to compute their wavelet-based time-frequency complex coherence. These time-frequency coherence maps highlight the occurrence of a slowly modulated coherence pattern in the frequency range [0.01–0.06] Hz, which appears in both obstructive and central apnea. A preliminary exploration of a large database from the National Sleep Research Resource with respiration disorders, such as apnea provides some clues on its relation with autonomic cardio-respiratory coupling and brain rhythms. We also observe that during sleep apnea episodes (either obstructive or central), the cardiopulmonary coherence (in particular respiratory sinus-arrhythmia) in the frequency range [0.1–0.7] Hz strongly diminishes, suggesting a modification of this coupling. Finally, comparing time-averaged coherence with heart rate variability spectra in different apnea episodes, we discuss their common trait and their differences.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle