Self-perceived sleep during the Maintenance of Wakefulness Test: how does it predict accidental risk in patients with sleep disorders?
Notice bibliographique
Résumé
STUDY OBJECTIVES: To determine whether the feeling of having slept or not during the Maintenance of Wakefulness Test (MWT) is associated with the occurrence of self-reported sleep-related traffic near misses and accidents in patients with sleep disorders. METHODS: This study was conducted in patients hospitalized in a French sleep center to perform a 4 × 40 min MWT. Relationship between mean sleep latency on the MWT, feeling of having slept or not during MWT trials and sleep-related near misses and accidents reported during the past year was analyzed. RESULTS: One hundred and ninety-two patients suffering from OSAS, idiopathic hypersomnia, narcolepsy, restless leg syndrome or insufficient sleep syndrome were included. One hundred and sixty-five patients presented no or one misjudgment of feeling of having slept during MWT trials while 27 presented more than two misjudgments. Almost half of the latter (48.1%) reported a sleepiness-related traffic near miss or accident in the past year versus only one third (27.9%) for the former (p < 0.05). Multivariate logistic regression showed that patients with more than two misjudgments had a 2.52-fold (95% CI, 1.07-5.95, p < 0.05) increase in the risk of reporting a sleepiness-related near miss/accident. CONCLUSIONS: Misjudgment in self-perceived sleep during the MWT is associated with the occurrence of self-reported sleepiness-related traffic near misses and accidents in the past year in patients suffering from sleep disorders. Asking about the perception of the occurrence of sleep during the MWT could be used to improve driving risk assessment in addition to sleep latencies.
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 | 0,000 |
| 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) | 0,001 | 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 ».