MétaCan
Menu
Retour à la cohorte
Enregistrement W4384819980 · doi:10.1017/s2045796023000574

Subjective and objective sleep alterations in medication-naïve children and adolescents with autism spectrum disorder: a systematic review and meta-analysis

2023· review· en· W4384819980 sur OpenAlexaffabout
Heeyeon Kim, Jae Han Kim, Jung-Hwan Kim, Jong Yeob Kim, Samuele Cortese, Lee Smith, Ai Koyanagi, Joaquim Raduà, Paolo Fusar‐Poli, André F. Carvalho, Gonzalo Salazar de Pablo, Jae Il Shin, Keun‐Ah Cheon, Marco Solmi

Notice bibliographique

RevueEpidemiology and Psychiatric Sciences · 2023
Typereview
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMeta-analysisAutism spectrum disorderConfidence intervalMedicineActigraphySleep onset latencyObservational studyPublication biasSubgroup analysisMEDLINEPolysomnographyPediatricsCochrane LibraryPsychiatryClinical psychologySleep onsetAutismInternal medicineInsomnia

Résumé

récupéré en direct d'OpenAlex

Abstract Aims This study aimed to summarize the evidence on sleep alterations in medication-naïve children and adolescents with autism spectrum disorder (ASD). Methods We systematically searched PubMed/Medline, Embase and Web of Science databases from inception through March 22, 2021. This study was registered with PROSPERO (CRD42021243881). Any observational study was included that enrolled medication-naïve children and adolescents with ASD and compared objective (actigraphy and polysomnography) or subjective sleep parameters with typically developing (TD) counterparts. We extracted relevant data such as the study design and outcome measures. The methodological quality was assessed through the Newcastle-Ottawa Scale (NOS). A meta-analysis was carried out using the random-effects model by pooling effect sizes as Hedges’ g . To assess publication bias, Egger’s test and p -curve analysis were done. A priori planned meta-regression and subgroup analysis were also performed to identify potential moderators. Results Out of 4277 retrieved references, 16 studies were eligible with 981 ASD patients and 1220 TD individuals. The analysis of objective measures showed that medication-naïve ASD patients had significantly longer sleep latency (Hedges’ g 0.59; 95% confidence interval [95% CI] 0.26 to 0.92), reduced sleep efficiency (Hedges’ g −0.58; 95% CI −0.87 to −0.28), time in bed (Hedges’ g −0.64; 95% CI −1.02 to −0.26) and total sleep time (Hedges’ g −0.64; 95% CI −1.01 to −0.27). The analysis of subjective measures showed that they had more problems in daytime sleepiness (Hedges’ g 0.48; 95% CI 0.26 to 0.71), sleep latency (Hedges’ g 1.15; 95% CI 0.72 to 1.58), initiating and maintaining sleep (Hedges’ g 0.86; 95% CI 0.39 to 1.33) and sleep hyperhidrosis (Hedges’ g 0.48; 95% CI 0.29 to 0.66). Potential publication bias was detected for sleep latency, sleep period time and total sleep time measured by polysomnography. Some sleep alterations were moderated by age, sex and concurrent intellectual disability. The median NOS score was 8 (interquartile range 7.25–8.75). Conclusion We found that medication-naïve children and adolescents with ASD presented significantly more subjective and objective sleep alterations compared to TD and identified possible moderators of these differences. Future research requires an analysis of how these sleep alterations are linked to core symptom severity and comorbid behavioural problems, which would provide an integrated therapeutic intervention for ASD. However, our results should be interpreted in light of the potential publication bias.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,511
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,377
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEpidemiology and Psychiatric SciencesMême sujetSleep and related disordersTravaux en français237 207