Intrinsic electrophysiological activity maps a latent dimension of poor sleep quality and reduced cognitive performance: a magnetoencephalography study using Cam-CAN data
Notice bibliographique
Résumé
Abstract Sleep quality and cognition vary as functions of lifestyle, genetics, and health. However, poor sleep quality is prevalent, reportedly affecting approximately 38% of the adult population. Poor sleep quality is a significant risk factor for mood disorders, a predictive factor in cognitive decline in later life, and sleep disturbance is a putative precursor to severe cognitive impairment and is predictive of dementia onset. The direct relationship between these factors and intrinsic neural function is poorly understood. Integrating neurophysiology, cognition, and sleep quality to reveal latent factors would help understand the neurophysiology of sleep disturbances and their relation to cognitive performance. Here, we used data from the Cam-CAN dataset with a partial least squares (PLS) approach, producing a multivariate cross-decomposition model to map resting-state magnetoencephalography (MEG) data and cognitive/sleep scores of healthy controls (n = 490, age 18-86). Normative modelling was applied to MEG data, correcting for effects of age, sex, and handedness. We identify a significant relationship between poorer self-reported sleep quality and lower cognitive performance across multiple domains, characterised by excess low-frequency neural activity and reduced high-frequency activity, particularly in the alpha band. Moreover, globally increased low frequency and decreased alpha-beta functional connectivity – the dominant frequency channel in neural connectivity at rest across the brain – contribute significantly to this relationship. Our multivariate mapping approach enabled us to parse the electrophysiological signatures directly related to sleep quality and cognitive performance, independent of the confounding effects of age, and show that ‘neural slowing’ and dysconnectivity are intrinsically linked to self-reported sleep quality and cognitive performance.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».