MétaCan
Menu
Retour à la cohorte
Enregistrement W4405820562 · doi:10.1016/j.bpsgos.2024.100445

Pathophysiological Models of Hypersomnolence Associated With Depression

2024· review· en· W4405820562 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBiological Psychiatry Global Open Science · 2024
Typereview
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesnon disponible
Mots-clésDepression (economics)PsychologyPathophysiologyNeuroscienceMedicinePsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Up to 25% of patients with depression experience hypersomnolence (e.g., excessive daytime sleepiness, hypersomnia, and/or sleep inertia), which is associated with treatment resistance, overall poorer outcomes, and safety concerns while driving. Hypersomnolence can result from various sleep/neurological disorders or side effects from medication but is often medically unexplained in depression. In this review, we aimed to summarize the different pathophysiological models of hypersomnolence in depression to discuss their impact on nosology and to foster the development of better tailored diagnostics and treatments. We identified several potential mechanisms underlying hypersomnolence including a daytime hypoactivity of dopaminergic and noradrenergic systems, nighttime GABA (gamma-aminobutyric acid) hypoactivation, hypoperfusion, and hypoconnectivity in the medial prefrontal cortex, as well as a longer circadian period and light hyposensitivity. In some patients with depression, nighttime hyperarousal can fragment sleep and result in a complaint of excessive daytime sleepiness, thus mimicking hypersomnolence. Others might adopt maladaptive behaviors such as spending excessive time in bed, a term coined clinophilia. Objective markers of hypersomnolence, such as ambulatory ad libitum polysomnography may facilitate distinguishing between conditions that mimic hypersomnolence. Our review identified several clinical targets for hypersomnolence in depression. Low-sodium oxybate, which is approved for idiopathic hypersomnia, needs additional study in patients with depression. Neuromodulation that targets prefrontal cortex anomalies should be systematically explored, while tailored light therapy protocols may mitigate light hyposensitivity. Additionally, cognitive behavioral therapy for hypersomnolence is being developed as a nonpharmacological adjunct to these treatments. Many people with depression experience hypersomnolence, which encompasses excessive daytime sleepiness and prolonged sleep duration. Hypersomnolence is associated with safety issues, such as driving concerns, and makes depression more difficult to treat. The causes of hypersomnolence in depression are unknown. In this review of the literature, we synthesize potential causes, including reduced daytime activity in brain systems that regulate alertness, nighttime sleep disruptions, altered circadian rhythms, and behaviors like spending extended time in bed. Understanding these mechanisms may support the development of targeted treatments, such as medications, specific light therapy protocols, and customized cognitive behavioral approaches, to better manage hypersomnolence in depression.

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.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0050,002
Intégrité de la recherche0,0010,001
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 Opus0,098
Tête enseignante GPT0,405
Écart entre enseignants0,308 · 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