Bibliographic record
Abstract
Choroba Alzheimera (Alzheimer's disease -AD) jest postępującym schorzeniem neurodegeneracyjnym charakteryzującym się odkładaniem β-amyloidu oraz splątków neurofibrylarnych z białka tau.Szacuje się, że zaburzenia snu występują nawet u 66% osób z AD.Najczęstszymi skargami są bezsenność, fragmentacja snu oraz nadmierna senność w ciągu dnia.Zaburzenia snu mają negatywny wpływ na funkcje poznawcze chorych, zwiększają ryzyko progresji AD oraz często są istotnym czynnikiem przy podejmowaniu decyzji o umieszczeniu pacjenta domu opieki.W leczeniu farmakologicznym zaburzeń snu u pacjentów z AD stosuje się: melatoninę, benzodiazepiny, agonistów receptora niebenzodiazepinowego, leki przeciwdepresyjne oraz podwójnych antagonistów receptora oreksyny.Wyniki badań sugerują, że jest mało prawdopodobne, aby melatonina była skuteczna w leczeniu zaburzeń snu u osób z otępieniem o nasileniu od umiarkowanego do ciężkiego.Konieczne są badania na większych grupach, aby móc wyciągnąć ostateczne wnioski dotyczące stosunku korzyści do ryzyka, jednak z dostępnych danych wynika, że trazodon stosowany w małej dawce (50 mg) może poprawiać sen w tej populacji.Podwójni antagoniści receptora oreksyny mogą prawdopodobnie korzystnie wpływać na sen u pacjentów z łagodną lub umiarkowaną AD.Leczenie zaburzeń snu u osób w starszym wieku pozostaje wyzwaniem dla klinicystów z uwagi na ograniczoną ilość danych.Stosowanie niektórych leków, takich jak benzodiazepiny, może prowadzić do zwiększenia ryzyka upadków, uzależnienia, a nawet mieć negatywny wpływ na funkcje poznawcze.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.004 |
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".