Rhythmicity of sleep and clinical outcomes in major depressive disorder: A CAN-BIND-1 report
Notice bibliographique
Résumé
Although there is substantial research demonstrating the effects of duration and quality of sleep on outcomes in major depressive disorder (MDD), there is little research examining whether rhythmicity of sleep can also affect outcomes in MDD. The objective of our study was to investigate the relationship between rhythmicity of sleep and clinical outcomes in MDD The prospective study (N = 208) included MDD patients treated with escitalopram for 8-weeks. Rhythmicity of sleep was assessed with Biological Rhythms Interview for Assessment in Neuropsychiatry (BRIAN) at baseline and after 8-weeks. Depression was assessed with Montgomery-Asberg Depression Rating Scale (MADRS) and Quick Inventory of Depressive Symptomatology Self-Report (QIDS-SR) throughout 8-weeks. Outcomes were depression severity over 8-weeks and remission of depression after 8-weeks. Mixed effect models (MMRMs) and logistic regression models were conducted Baseline BRIAN sleep score predicted MADRS (Adjusted B = 0.34;95%CI:0.01–0.66,p = 0.04) and QIDS-SR (Adjusted B = 0.19;95%CI:0.02–0.36,p = 0.03) scores over time in MMRMs. BRIAN falling asleep (Adjusted B = 0.44;95%CI:0.01–0.86,p = 0.04) and switching off (Adjusted B = 0.50;95%CI:0.03–0.97,p = 0.04) items predicted QIDS-SR scores over time. BRIAN sleep score predicted remission with MADRS (Adjusted OR:0.87;95%CI:0.76–0.99) and QIDS-SR (Adjusted OR:0.76;95%CI:0.64–0.90) in logistic regression models. BRIAN falling asleep item predicted remission with MADRS (Adjusted OR:0.71;95%CI:0.64–0.90) and QIDS-SR (Adjusted OR:0.62;95%CI:0.42–0.92). BRIAN switching off item predicted remission with QIDS-SR (Adjusted OR:0.62;95%CI:0.40–0.96) Did not examine for circadian rhythm sleep-wake disorders or social conditions that causes circadian disturbances (e.g., shiftwork) A disturbed rhythmicity of sleep, particularly in the ability to switch off when resting and falling asleep, may increase the risk of poor clinical outcomes in MDD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».