Odds Ratio Product as a Biological Marker of Phenotypes of Insomnia
Notice bibliographique
Résumé
ABSTRACT The study investigated differences in objective markers of sleep depth and identified phenotypes of insomnia. Participants were screened with the Insomnia‐Severity‐Index and clinical interviews and assigned to control ( n = 50) or insomnia ( n = 69) groups. They completed three nights of in‐laboratory overnight polysomnography. We measured the Odds Ratio Product (ORP), a continuous measure of sleep depth (0 = deep sleep, 2.5 = full wakefulness) and calculated: (a) ORP in stages Wake, NREM, REM, (b) percentage of TRT in deep sleep (ORP < 0.5) and full‐wakefulness (ORP > 2.25), (c) number/hour of sleep of transient increases in ORP to wake levels (Wake Intrusion Index [WII]), (d) gamma power, (e) frequency of alpha intrusions, (f) speed of return to deep sleep after arousals (ORP‐9). We used Latent Class Analysis to differentiate two insomnia groups with ‘Objectively Normal’ and ‘Objectively Poor’ metrics. The Objectively Poor group had higher ORP wake , ORP NREM , ORP REM , %TRT > 2.25, gamma power, alpha intrusion, WII and ORP‐9 than good sleeper (GSC) and the Objectively Normal group, illustrating evidence of hyperarousal, while the Objectively Normal group was comparable to GSC. The Objectively Poor group had higher %awake and lower TST. Both insomnia groups reported worse sleep and underestimated TST relative to GSC, despite similar objective sleep metrics in the Objectively Normal group. Using novel objective sleep metrics, we identified a subgroup of insomnia with abnormalities consistent with hyperarousal and another with no difference from GSC. Future research should test if these groups benefit from different treatment pathways and thus improve outcomes and time to determine appropriate treatments.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».