Latent Profile Analysis of Sleep Subtypes in Older Adults with Subjective Cognitive Decline and Its Influencing Factors
Notice bibliographique
Résumé
Background Sleep disorders combined with subjective cognitive decline (SCD) in older adults are associated with an increased risk of cognitive decline and dementia conversion. However, sleep problems in older adults with SCD have not received sufficient attention, the sleep subtypes of older adults with SCD and their influencing factors need to be further investigated. Objective To explore potential sleep subtypes in older adults with SCD and analyze the influencing factors of different sleep subtypes. Methods From May to August 2022, older adults with SCD were selected as subjects from the communities in Nanjing, Changzhou, Nantong, and Xuzhou in Jiangsu Province using a stratified convenience sampling method. The general information questionnaire, Subjective Cognitive Decline Questionnaire (SCD-Q9), Beijing Version of the Montreal Cognitive Assessment (MoCA), Mini-Mental State Examination (MMSE), Pittsburgh Sleep Quality Index (PSQI), Patient Health Questionnaire-9 (PHQ-9) and Fatigue, Resistance, Ambulation, Illness and Loss of Weight Index (FRAIL) were used to conduct the survey. The latent profile analysis of sleep in older adults with SCD was performed based on the dimension scores of the PSQI scale, unordered multinomial Logistic regression analysis was used to examine the influencing factors of sleep subtypes in older adults with SCD. Results A total of 287 older adults with SCD were enrolled, and the results of the latent profile analysis showed that sleep in older adults with SCD can be classified into 3 potential subtypes: relatively good sleep subtype (n=200), sleep deprivation subtype (n=63), and difficulty falling asleep-medicated hypnosis subtype (n=24), accounting for 69.7%, 21.9%, and 8.4% of all respondents, respectively. There were significant differences in gender, smart phone use, PHQ-9 scores and FRAIL scores among different sleep subtypes (P<0.05). Using the relatively good sleep type as a reference, the unordered multinomial Logistic regression analysis showed that gender 〔sleep deprivation subtype: female, OR=2.479, 95%CI (1.279, 4.808) 〕, smart phone use 〔sleep deprivation subtype: yes, OR=0.269, 95%CI (0.090, 0.808) 〕, PHQ-9 score 〔sleep deprivation subtype: OR=1.755, 95%CI (1.416, 2.175); difficulty falling asleep-medicated hypnosis subtype: OR=1.992, 95%CI (1.540, 2.576) 〕were influencing factors of sleep subtyping (P<0.05) . Conclusion Sleep in older adults with SCD showed significant population heterogeneity, and more attention should be paid to the sleep status of older adults with SCD who are female, use smart phones, and have depressive tendencies. Early and precise interventions for different sleep subtypes need to be performed early to improve sleep quality and prevent or delay the development of cognitive impairment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».