Wearable EEG monitoring reveals changes in rapid eye movement sleep in mild cognitive impairment
Notice bibliographique
Résumé
BACKGROUND: Identifying reliable early biomarkers for Alzheimer's disease (AD) is critical for developing effective preventive strategies. Sleep disturbances, particularly in slow wave sleep (SWS) and rapid eye movement (REM) sleep, have been linked to AD pathology, including amyloid deposition and basal forebrain degeneration-changes that occur years before the onset of dementia. Several in-lab polysomnography (PSG) studies indicate that deficits in SWS and REM sleep emerge early in the course of AD, notably in patients with mild cognitive impairment (MCI). However, limited accessibility, high costs, and poor patient tolerance significantly hinder the widespread adoption of PSG in both research and clinical settings. Wearable electroencephalography (EEG) offers a more feasible alternative for assessing sleep architecture in the home environment. Here, we used wearable EEG to assess changes in sleep stages in MCI and investigate their association with cognitive functioning. METHOD: A preliminary cohort of 7 patients with MCI due to probable AD and 13 age-matched cognitively healthy controls underwent at-home sleep monitoring for up to six consecutive nights using the Sleep Profiler headband, a single-channel frontal EEG device. Global cognitive functioning was assessed using the Montreal Cognitive Assessment (MoCA). Sleep was scored using the U-Sleep deep learning algorithm, validated against technician-scored PSG data. Sleep stages were compared between groups and correlated with MoCA scores. Data collection is ongoing and further data will be presented at the conference. RESULT: Patients with MCI spent a significantly lower percentage of their total sleep time in REM sleep compared to controls (p = 0.043, d = 1.021), and reduced REM sleep percentage was significantly associated with lower MoCA scores (p = 0.040). No other sleep stages differed between the groups. CONCLUSION: Reduced REM sleep, which is detectable using wearable EEG, may serve as an early biomarker of AD and is associated with cognitive decline. These findings highlight the potential of non-invasive, at-home sleep monitoring for identifying those at the earliest symptomatic stage of AD.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».