Le sommeil comme marqueur du déclin cognitif dans la maladie de Parkinson
Bibliographic record
Abstract
La maladie de Parkinson (MP) est une maladie neurodégénérative qui se caractérise principalement par la présence de symptômes moteurs. Cependant, d’autres symptômes, dits non moteurs, sont fréquents dans la MP et assombrissent le pronostic; ceux ci incluent notamment les désordres du sommeil et les troubles cognitifs. De fait, sur une période de plus de 10 ans, jusqu’à 90 % des patients avec la MP développeraient une démence. L’identification de marqueurs de la démence dans la MP est donc primordiale pour permettre le diagnostic précoce et favoriser le développement d’approches thérapeutiques préventives. Plusieurs études ont mis en évidence la contribution du sommeil dans les processus de plasticité cérébrale, d’apprentissage et de consolidation mnésique, notamment l’importance des ondes lentes (OL) et des fuseaux de sommeil (FS). Très peu de travaux se sont intéressés aux liens entre les modifications de la microarchitecture du sommeil et le déclin cognitif dans la MP. L’objectif de cette thèse est de déterminer, sur le plan longitudinal, si certains marqueurs électroencéphalographiques (EEG) en sommeil peuvent prédire la progression vers la démence chez des patients atteints de la MP. La première étude a évalué les caractéristiques des OL et des FS durant le sommeil lent chez les patients avec la MP selon qu’ils ont développé ou non une démence (MP démence vs MP sans démence) lors du suivi longitudinal, ainsi que chez des sujets contrôles en santé. Comparativement aux patients MP sans démence et aux sujets contrôles, les patients MP démence présentaient au temps de base une diminution de la densité, de l’amplitude et de la fréquence des FS. La diminution de l’amplitude des FS dans les régions postérieures était associée à de moins bonnes performances aux tâches visuospatiales chez les patients MP démence. Bien que l’amplitude des OL soit diminuée chez les deux groupes de patients avec la MP, celle ci n’était pas associée au statut cognitif lors du suivi. La deuxième étude a évalué les marqueurs spectraux du développement de la démence dans la MP à l’aide de l’analyse quantifiée de l’EEG en sommeil lent, en sommeil paradoxal et à l’éveil. Les patients MP démence présentaient une diminution de la puissance spectrale sigma durant le sommeil lent dans les régions pariétales comparativement aux patients MP sans démence et aux contrôles. Durant le sommeil paradoxal, l’augmentation de la puissance spectrale en delta et en thêta, de même qu’un plus grand ratio de ralentissement de l’EEG, caractérisé par un rapport plus élevé des basses fréquences sur les hautes fréquences, était associée au développement de la démence chez les patients avec la MP. D’ailleurs, dans la cohorte de patients, un plus grand ralentissement de l’EEG en sommeil paradoxal dans les régions temporo occipitales était associé à des performances cognitives moindres aux épreuves visuospatiales. Enfin, durant l’éveil, les patients MP démence présentaient au temps de base une augmentation de la puissance spectrale delta, un plus grand ratio de ralentissement de l’EEG ainsi qu’une diminution de la fréquence dominante occipitale alpha comparativement aux patients MP sans démence et aux contrôles. Cette thèse suggère que des anomalies EEG spécifiques durant le sommeil et l’éveil peuvent identifier les patients avec la MP qui vont développer une démence quelques années plus tard. L’activité des FS, ainsi que le ralentissement de l’EEG en sommeil paradoxal et à l’éveil, pourraient donc servir de marqueurs potentiels du développement de la démence dans la MP.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".