Sleep architecture as a candidate for phenotyping sleep bruxism: A narrative physiological review
Notice bibliographique
Résumé
BACKGROUND: Sleep bruxism (SB), an oral behaviour in otherwise healthy individuals, is characterised by frequent rhythmic masticatory muscle activity (RMMA) during sleep. RMMA/SB episodes occur over various sleep stages (N1-N3 and rapid eye movement (REM)), sleep cycles (non-REM to REM), and frequently with microarousals. It currently remains unclear whether these characteristics of sleep architecture are phenotype candidates for the genesis of RMMA/SB. OBJECTIVES: This narrative review investigated the relationship between sleep architecture and the occurrence of RMMA as a SB phenotype candidate. METHODS: PubMed research was performed using keywords related to RMMA/SB and sleep architecture. RESULTS: In non-SB and SB healthy individuals, RMMA episodes were most frequent in the light non-REM sleep stages N1 and N2, particularly during the ascending phase of sleep cycles. The onset of RMMA/SB episodes in healthy individuals was preceded by a physiological arousal sequence of autonomic cardiovascular to cortical activation. It was not possible to extract a consistent sleep architecture pattern in the presence of sleep comorbidities. The lack of standardisation and variability between subject complexified the search for specific sleep architecture phenotype(s). CONCLUSION: In otherwise healthy individuals, the genesis of RMMA/SB episodes is largely affected by oscillations in the sleep stage and cycle as well as the occurrence of microarousal. Furthermore, a specific sleep architecture pattern cannot be confirmed in the presence of sleep comorbidity. Further studies are needed to delineate sleep architecture phenotype candidate(s) that contribute to the more accurate diagnosis of SB and treatment approaches using standardised and innovative methodologies.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».