MétaCan
Menu
Back to cohort
Record W2255224223 · doi:10.71781/17646

Analyse de l’activité en ondes lentes et des oscillations lentes précédant le somnambulisme

2010· dissertation· fr· W2255224223 on OpenAlexfundno aff
Olivier Jaar

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2010
Typedissertation
Languagefr
FieldPhysics and Astronomy
TopicAdvanced Thermodynamics and Statistical Mechanics
Canadian institutionsnot available
FundersCanadian Institutes of Health Research
KeywordsPhysics

Abstract

fetched live from OpenAlex

Diverses études se sont penchées sur les paramètres EEG du sommeil en ondes lentes, y compris l’activité en ondes lentes en lien avec le somnambulisme, mais les résultats se révèlent inconsistants et contradictoires. Le premier objectif de la présente étude était d’analyser quantitativement l’EEG en sommeil en mesurant les fluctuations de puissance spectrale en delta (1-4 Hz) et delta lent (0.5-1 Hz) avant des épisodes de somnambulisme. Le second était de détecter les oscillations lentes (> 75 μV, fréquence d'environ 0.7-0.8 Hz) et très lentes (> 140 μV, fréquence d'environ 0.7-0.8 Hz) afin d'examiner leur changement d'amplitude et de densité avant de tels épisodes. Suite à une privation de sommeil de 25 heures, les enregistrements polysomnographiques de 22 adultes atteints de somnambulisme ont été scrutés. L’analyse des 200 secondes avant les épisodes révèle que ceux-ci ne sont pas précédés d’une augmentation graduelle de puissance spectrale en delta ni en delta lent, tant sur les dérivations frontale, centrale que pariétale. Toutefois, une hausse statistiquement significative de la densité des oscillations lentes et des oscillations très lentes a été observée au cours des 20 sec immédiatement avant le début des épisodes. Reste à déterminer le rôle exact de ces paramètres de l’EEG en sommeil par rapport à la manifestation et au diagnostic des parasomnies en sommeil lent.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.540
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0070.000
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.006
GPT teacher head0.202
Teacher spread0.196 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations1
Published2010
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicAdvanced Thermodynamics and Statistical MechanicsFrench-language works237,207