Sleep spindle density and morphology are resilient to post-traumatic gray matter volume loss
Notice bibliographique
Résumé
Moderate to severe traumatic brain injury (TBI) leads to gray matter volume (GMV) loss, cognitive dysfunction, and persistent sleep-wake complaints. Given the link between GMV and sleep spindles in healthy adults and the role of spindles in neural plasticity and protecting sleep against disturbances, we investigated GMV-spindle associations following TBI. In this cross-sectional study, 27 adults with chronic moderate to severe TBI (32.0 ± 12.2 years old) and 32 healthy controls (29.2 ± 11.5 years old) underwent full-night polysomnography and 3-Tesla MRI. Spindle density, amplitude, frequency, duration, and sigma spectral power (11-16 Hz) were computed. We tested GMV-spindle associations in 1) clusters with GMV loss following TBI (right and left frontotemporal and left temporal) and 2) regions previously linked to spindles in healthy adults (hippocampus, insula, cingulate, supplementary motor area, cerebellum, Heschl's gyri, thalamus, medial prefrontal cortex, putamen, and pallidum). Multiple regression analyses were performed with Group as a moderator, controlled for age. Across all participants, higher spindle amplitude and sigma power were associated with larger GMVs in the left frontotemporal, left temporal, thalamic, and medial prefrontal regions. Faster spindle frequency was associated with larger GMV in most regions, though for the left and right frontotemporal regions and hippocampus, these associations were observed only in controls. No Group effects were found for spindle characteristics. The lack of stronger GMV-spindle associations following TBI and the absence of Group effects for spindle characteristics suggest spindles' resilience to post-traumatic GMV loss.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».