Gender Differences in Obstructive Sleep Apnea with Comorbid Treatment-Resistant Depression
Notice bibliographique
Résumé
Abstract Background. A bidirectional relationship between major depression and obstructive sleep apnea has been established, suggesting the possibility of overlapping and compounding disease processes. Depression, however, while more prevalent in women, is a highly heterogeneous disorder and can be difficult to treat regardless of gender. A common overlapping symptom of depression and obstructive sleep apnea is fatigue. Gender differences in obstructive sleep apnea symptomatology (and fatigue in particular) are also consistently observed. Here, we investigate obstructive sleep apnea in specific relation to treatment-resistant depression. Methods. A cross-sectional design was used to analyse data from 94 patients with treatment-resistant depression from a subspecialist mood disorders outpatient service who had no previous sleep assessment. Participants completed overnight polysomnography and a battery of rating scales assessing mood, sleep, and daytime functioning. Linear regression models determined whether presence of fatigue in treatment-resistant depression predicted sleep obstructive apnea severity. Results. There was a high prevalence of previously undiagnosed obstructive sleep apnea in our sample of patients with treatment-resistant depression. Treatment-resistant depression closed the gap in obstructive sleep apnea prevalence between men and women. Conclusions. We argue that typical symptoms of treatment-resistant depression may overshadow key symptoms of undetected obstructive sleep apnea. Specifically, we found that daytime fatigue masked a potentially significant underlying sleep disorder in women only. Comprehensive assessment and screening for sleep apnea in patients with treatment-resistant is encouraged, and the importance of investigating severity of fatigue in this population is emphasized.
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 | 0,001 | 0,003 |
| 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) | 0,004 | 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 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 ».