Decrease in wearable-based nocturnal sleep efficiency precedes epileptic seizures
Notice bibliographique
Résumé
Introduction While it is known that poor sleep is a seizure precipitant, this association remains poorly quantified. This study investigated whether seizures are preceded by significant changes in sleep efficiency as measured by a wearable equipped with an electrocardiogram, respiratory bands, and an accelerometer. Methods Nocturnal recordings from 47 people with epilepsy hospitalized at our epilepsy monitoring unit were analyzed (304 nights). Sleep metrics during nights followed by epileptic seizures (24 h post-awakening) were compared to those of nights which were not. Results Lower sleep efficiency (percentage of sleep during the night) was found in the nights preceding seizure days (p < 0.05). Each standard deviation decrease in sleep efficiency and increase in wake after sleep onset was respectively associated with a 1.25-fold (95 % CI: 1.05 to 1.42, p < 0.05) and 1.49-fold (95 % CI: 1.17 to 1.92, p < 0.01) increased odds of seizure occurrence the following day. Furthermore, nocturnal seizures were associated with significantly lower sleep efficiency and higher wake after sleep onset (p < 0.05), as well as increased odds of seizure occurrence following wake (OR: 5.86, 95 % CI: 2.99 to 11.77, p < 0.001). Discussion Findings indicate lower sleep efficiency during nights preceding seizures, suggesting that wearable sensors could be promising tools for sleep-based seizure-day forecasting in people with epilepsy.
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 | 0,000 | 0,002 |
| 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) | 0,002 | 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 ».