The dynamics of emotional behaviors in rapid eye movement sleep
Notice bibliographique
Résumé
Dream's emotions could exert a major role in desensitizing negative emotions. Studying emotional dynamics (how emotions fluctuate across time) during rapid eye movement (REM) sleep could provide some insight into this function. However, studies so far have been limited to dream reports. To bypass this limit, REM sleep behavior disorder (RBD), in which participants enact their dreams, enables direct access to overt emotional dream behaviors (such as facial expressions and speeches). In total, 17 participants with RBD, and 39.7 h of REM sleep video were analyzed. The frequency of emotional behaviors did not differ between REM sleep episodes of early and late night. Within individual REM sleep episodes, emotional behaviors exhibited a biphasic temporal course, including an increased frequency for the first 10 min, followed by a progressive decrease. The negative emotional behaviors occurred earlier (mean time: 11.3 ± 10 min) than positive (14.4 ± 10.7 min) and neutral behaviors (16.4 ± 11.8 min). Emotional behaviors of opposing (negative and positive) valences were observed in 31% (N = 14) of episodes containing at least one emotional behavior, and were separated by a median time of 4.2 [1.1-10.9] min. The biphasic temporal course of behaviors in REM sleep could include the generation reactivation of emotional content during the ascending phase, followed by processing and extinction during the descending phase. The earlier occurrence time of negative emotional behavior suggests that negative emotions may need to be processed first. The rapid succession of emotions of opposite valence could prevent prolonged periods of negative emotions and eventually nightmares.
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 | 0,000 |
| 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 ».