0404 Sleep Characterization in the APP/NL-F Mouse Model of Alzheimer’s Disease After Repetitive Mild Traumatic Brain Injuries
Notice bibliographique
Résumé
Abstract Introduction Sleep disturbances, such as insomnia and hypersomnia, are often reported by people who have experienced mild traumatic brain injuries (mTBIs). TBIs and sleep disturbances are both risk factors for neurodegenerative diseases, such as Alzheimer’s disease (AD). The long-lasting effects of repetitive mTBIs (rmTBIs) on sleep outcomes and whether post-TBI sleep is an effective therapeutic target for reducing the risk of neurodegenerative disease are not yet well understood. Therefore, our study aims to characterize intracranial EEG activity during sleep and wake 3 and 9 months after rmTBIs in APPNLF mice. Methods We used the closed-head impact model of engineered rotational acceleration (CHIMERA) method to deliver 3 rmTBIs 48hr apart to female and male APPNL-F mice (n=42), at 6 and 12 months of age. At 15 months old, we implanted EEG cortical electrodes and recorded 72 continuous hours of EEG. Using the Sirenia Sleep Pro software and an in-house R code, we quantified sleep-wake patterns. Unpaired Welch t-tests with Holm-Šídák correction for multiple comparisons was used to compare the sleep-wake patterns between the rmTBI and sham groups. Additionally, the partial least squares regression method was used to analyze the spectral power data. Results Our results show no differences in the time spent in each vigilance state between the TBI and sham groups at either 3- or 9-months post-injury. There were no differences in the number of transitions between states, bout counts, or bout lengths between the experimental groups. However, in the power spectra analysis, we observed a statistically significant decrease in power at the lower frequencies (3-8Hz) and an increase in the power at the higher frequencies (18-30Hz) in the TBI group during wake at 9 months post-injury. There were no significant changes in the power spectra after 3 months post-injury, although there was a trend towards higher power in the TBI group in the lower frequencies during NREM. Conclusion This is the first study, to our knowledge, presenting the chronic effects of repetitive closed-head mTBIs on sleep and EEG power spectra. Support (if any)
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».