Methodological approach to sleep state misperception in insomnia disorder: Comparison between multiple nights of actigraphy recordings and a single night of polysomnography recording
Notice bibliographique
Résumé
STUDY OBJECTIVE: To provide a comprehensive assessment of sleep state misperception in insomnia disorder (INS) and good sleepers (GS) by comparing recordings performed for one night in-lab (PSG and night review) and during several nights at-home (actigraphy and sleep diaries). METHODS: Fifty-seven INS and 29 GS wore an actigraphy device and filled a sleep diary for two weeks at-home. They subsequently completed a PSG recording and filled a night review in-lab. Sleep perception index (subjective/objective × 100) of sleep onset latency (SOL), sleep duration (TST) and wake duration (TST) were computed and compared between methods and groups. RESULTS: GS displayed a tendency to overestimate TST and WASO but correctly perceived SOL. The degree of misperception was similar across methods within the GS group. In contrast, INS underestimated their TST and overestimated their SOL both in-lab and at-home, yet the severity of misperception of SOL was larger at-home than in-lab. Finally, INS overestimated WASO only in-lab while correctly perceiving it at-home. While only the degree of TST misperception was stable across methods in INS, misperception of SOL and WASO were dependent on the method used. CONCLUSIONS: We found that GS and INS exhibit opposite patterns and severity of sleep misperception. While the degree of misperception in GS was similar across methods, only sleep duration misperception was reliably detected by both in-lab and at-home methods in INS. Our results highlight that, when assessing sleep misperception in insomnia disorder, the environment and method of data collection should be carefully considered.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».