MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390201145 · doi:10.1002/alz.075465

Polysomnography results and cognitive performance in early‐stage Parkinson’s disease

2023· article· en· W4390201145 sur OpenAlexaboutno aff
Vanessa M. Young, Erin Pollet, Luis Serrano-Rubio, Angel G. Velarde, Carlos Gaona, Sarah R. Horn, Juan Ramirez‐Castaneda, Pablo Coss, Okeanis Vaou, Amy R. Saklad, Eric L. Shipp, Sudha Seshadri, David Andrés González, Mitzi M. Gonzales

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueSleep and Wakefulness Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolysomnographyAudiologyActigraphyPsychologyMontreal Cognitive AssessmentVerbal fluency testParkinson's diseaseNeuropsychologyCognitionSleep onsetNeurologyMedicineDementiaPhysical therapyInternal medicinePsychiatryDiseaseCognitive impairmentInsomniaElectroencephalography

Résumé

récupéré en direct d'OpenAlex

Abstract Background Parkinson’s disease (PD) is a progressive neurological disorder that involves a range of motor and non‐motor symptoms. About 66% of individuals with PD report sleep disturbance impacts their quality of life. Sleep disorders may precede the cardinal motor features in PD and can influence motor and non‐motor symptom severity, including cognition. Yet current evidence of this association with objective assessments remains limited. The goal of this pilot study was to evaluate the associations between cognition and overnight polysomnography results in early‐stage PD. Methods Participants completed neuropsychological assessments and an overnight in‐clinic polysomnography. Associations between polysomnography results and cognitive performance were evaluated using partial correlations controlling for age and education. Results Twenty participants (mean age 69±8; 25% female) without dementia and with a diagnosis of early‐stage PD (Hoehn and Yahr stage 1‐2) were enrolled (Table 1). Table 2 displays the associations between polysomnography results and cognitive assessments. Greater percentage time in stage N1 sleep and increased duration of wakefulness time after sleep onset (WASO) were associated with poorer phonemic fluency (r = ‐0.626, p = .005 and r = ‐0.512, p = .030, respectively); whereas increased time spent in stage N2 sleep and higher sleep efficiency index were correlated with better phonemic fluency (r = 0.829, p < .001 and r = 0.513, p = .029, respectively). Greater percentage in stage N2 was associated with better verbal learning (Hopkins Verbal Learning Test–Revised (HVLT‐R) Immediate Recall, r = 0.521, p = .027). Higher percent time in REM sleep was correlated with increased basic attention (Digit Span Forward, r = 0.483, p = .042). No associations were found between total sleep time and cognitive performance. Conclusion While total sleep time was not associated with cognition, higher percent time spent in Stage N2, Stage N3, and REM sleep were associated with better cognitive performance. In contrast, higher percentage of Stage N1 sleep and increased duration of WASO were associated with poorer verbal fluency. The preliminary results highlight the importance of increased time in deeper stages of sleep for cognition in adults with early‐stage PD. Future longitudinal studies will be necessary to evaluate long‐term cognitive trajectories and transition to dementia in association with diminished sleep quality in Parkinson’s disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,057
Tête enseignante GPT0,304
Écart entre enseignants0,248 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetSleep and Wakefulness Research→Travaux en français237 207→