MétaCan
Menu
Retour à la cohorte
Enregistrement W3159520660 · doi:10.1093/sleep/zsab072.626

628 Longitudinal Association between NREM Sleep Depth and Arousability with ADHD and Internalizing Disorders in Adolescence

2021· article· en· W3159520660 sur OpenAlexaff
Anna Ricci, Julio Fernández‐Mendoza, Fan He, Susan L. Calhoun, Magdy Younes, Jidong Fang, Nicole Lukenbill, Alexandros N. Vgontzas, Duanping Liao, Edward O. Bixler

Notice bibliographique

RevueSLEEP · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueChildren's Physical and Motor Development
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésNon-rapid eye movement sleepSedativePsychologySleep (system call)StimulantPolysomnographyAnxiolyticOdds ratioPsychiatrySleep disorderMedicineAudiologyAnesthesiaInternal medicineElectroencephalographyInsomniaAnxiety

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Sleep depth decreases in the transition from childhood to adolescence, even in typically developing (TD) youth. However, it remains unknown whether this developmental trajectory in NREM sleep depth differs across adolescents with psychiatric/behavioral disorders. Methods We analyzed the sleep EEG of 392 subjects aged 5–12 at baseline and 12–22 at follow-up (45.2% female, 23.2% racial/ethnic minority), of whom 246 were TD adolescents (controls), 62 were diagnosed with a psychiatric/behavioral disorder and were taking stimulant, anti-depressant, anxiolytic, sedative and/or anti-psychotic medications, and 84 were un-medicated. NREM sleep depth was measured at both time points using the odds ratio product (ORP), which provides a standardized continuous EEG measure of NREM sleep depth/arousability (higher ORP reflects lighter NREM sleep). General linear models examined mean differences between groups on the percent change in ORP between baseline and follow-up (ΔORP) while adjusting for sex, race/ethnicity, age, BMI and AHI at follow-up, and PSG system, psychiatric/behavioral disorders, psychoactive medications and ORP at baseline as well as time-to-follow-up. Results Overall, medicated (80.4%, 95%CI=66.2–94.6) and un-medicated (66.1%, 95%CI=53.0–79.1) subjects showed a higher ΔORP compared to controls (52.2%, 95%CI=40.0–64.5, p<0.01 and p<0.05, respectively) but did not differ between each other (p=0.134). Specifically, un-medicated subjects with ADHD (n=56) showed a higher ΔORP (77.3%, 95%CI=62.4–92.1) compared to controls (p<0.01), while subjects with ADHD on stimulant medication (n=36) did not differ (66.1%, 95%CI=48.9–93.2) from controls (p=0.268) or from un-medicated ADHD subjects (p=0.303). Subjects with internalizing disorders on psychoactive medications (n=29) showed a higher ΔORP (104.9%, 95%CI=82.8–127.0) compared to controls (p<0.01) and to un-medicated subjects (n=27) with internalizing disorders (60.1%, 95%CI=36.8–83.3, p<0.01), who did not differ from controls (p=0.772). Conclusion The greater increase in ORP in the transition to adolescence in un-medicated youth with ADHD suggests that decreased NREM sleep depth may be a biomarker of the disorder. In contrast, the greater increase in ORP in medicated youth with internalizing disorders suggests that psychoactive medications impact NREM sleep depth in these children as they transition to adolescence. These data have important implications for sleep EEG studies that include medicated and un-medicated youth with comorbid psychiatric disorders. Support (if any) NIH Awards Number R01MH118308, R01HL136587, R01HL97165, R01HL63772, UL1TR000127

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,271
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetChildren's Physical and Motor DevelopmentTravaux en français237 207