MétaCan
Menu
Retour à la cohorte
Enregistrement W4392696379 · doi:10.1523/jneurosci.0617-23.2024

Intracerebral dynamics of sleep arousals: a combined scalp-intracranial EEG study

2024· article· en· W4392696379 sur OpenAlexafffund
Yingqi Laetitia Wang, Tamir Avigdor, Sana Hannan, Chifaou Abdallah, François Dubeau, Laure Peter‐Derex, Birgit Frauscher

Notice bibliographique

RevueJournal of Neuroscience · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueSleep and Wakefulness Research
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUCB PharmaFonds de recherche du QuébecEisai
Mots-clésStereoelectroencephalographyElectroencephalographyScalpPolysomnographyWakefulnessArousalSlow-wave sleepSleep (system call)Sleep StagesNeurosciencePsychologyNon-rapid eye movement sleepHippocampusAudiologyIctalAnesthesiaMedicineAnatomy

Résumé

récupéré en direct d'OpenAlex

As an intrinsic component of sleep architecture, sleep arousals represent an intermediate state between sleep and wakefulness and play an important role in sleep-wake regulation. They have been defined in an all-or-none manner, whereas they actually present a wide range of scalp-electroencephalography (EEG) activity patterns. It is poorly understood how these arousals differ in their mechanisms. Stereo-EEG (SEEG) provides the unique opportunity to record intracranial activities in superficial and deep structures in humans. Using combined polysomnography and SEEG, we quantitatively categorized arousals in non-rapid eye movement sleep into slow wave (SW) and Non-SW arousals based on whether they co-occurred with a scalp-EEG SW event. We then investigated their intracranial correlates in up to 26 brain regions from 26 patients (12 females). Across both arousal types, intracranial theta, alpha, sigma, and beta activities increased in up to 25 regions (p<0.05,d=0.06-0.63), while gamma and high frequency (HF) activities decreased in up to 18 regions across five brain lobes (p<0.05,d=0.06-0.44). Intracranial delta power widely increased across five lobes during SW arousals (p<0.05 in 22 regions,d=0.10-0.39), while it widely decreased during Non-SW arousals (p<0.05 in 19 regions,d=0.10-0.30). Despite these main patterns, unique activity was observed locally in some regions such as the hippocampus and middle cingulate cortex, indicating spatial heterogeneity of arousal responses. Our results suggest that Non-SW arousals correspond to a higher level of brain activation than SW arousals. The decrease in HF activities could potentially explain the absence of awareness and recollection during arousals. Significance StatementIntrinsic to sleep architecture, sleep arousals play an important role in sleep-wake regulation. They are defined in an all-or-none manner, whereas they actually present various scalp electroencephalography (EEG) patterns. Using simultaneous scalp and intracranial EEG in humans, we analyzed the intracranial activity during two types of arousals marked on scalp EEG, quantitatively categorized by whether they co-occurred with a scalp-EEG slow wave (SW). Non-SW arousals present prevalent low-voltage fast activity, while SW arousals exhibit high-voltage slow waves alongside fast activities. This work represents the first intracranial study of different types of NREM sleep arousals and provides a comprehensive description of local brain activities during both arousal types, serving as a foundation for future studies investigating regional behaviors during sleep-wake transition.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,039
Tête enseignante GPT0,329
Écart entre enseignants0,290 · 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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetSleep and Wakefulness ResearchTravaux en français237 207