MétaCan
Menu
← Back to cohort
Record W6992431237

Le trouble comportemental en sommeil paradoxal : utilisation des outils de dépistage pour les troubles cognitifs

2023· other· fr· W6992431237 on OpenAlexaboutno aff

Bibliographic record

VenueArchipelago (University of Quebec in Montreal) · 2023
Typeother
Languagefr
FieldNeuroscience
TopicSleep and Wakefulness Research
Canadian institutionsnot available
Fundersnot available
KeywordsValidation testSelf evaluationIntellectual ability
DOInot available

Abstract

fetched live from OpenAlex

Le trouble comportemental en sommeil paradoxal (TCSP) est une parasomnie dans laquelle l’absence d’atonie musculaire provoque des mouvements indésirables et parfois violents au cours du sommeil paradoxal. Lorsque le TCSP n’a pas de cause identifiée (ex. : narcolepsie, prise de certains antidépresseurs), on le qualifie d’idiopathique (TCSPi). Cette forme est associée à l’accumulation de la protéine α-synucléine dans certains neurones. Ce type d’histopathologie est également rapporté dans la maladie de Parkinson (MP), la démence à corps de Lewy (DCL) et l’atrophie multisystémique (AMS). Ainsi, le TCSPi constitue un stade prodromal d’une synucléinopathie avec un taux de conversion d’environ 6.25 % par année. Le TCSPi est également associé à des troubles cognitifs touchant le fonctionnement exécutif et attentionnel, la mémoire épisodique et les fonctions visuospatiales pouvant mener à un diagnostic de trouble cognitif léger (TCL). Plusieurs groupes de recherche ont montré que l’évaluation du fonctionnement cognitif permet de prédire l’évolution du TCSPi en synucléinopathie et particulièrement en DCL, mais peu de travaux ont validé l’utilisation de tests de dépistage cognitifs à cette fin. Le présent essai doctoral vise à valider l’utilisation du Montreal Cognitive Assessment (MoCA) et du Test du Dessin de l’Horloge (TDH) pour le dépistage du TCL et la prédiction du développement de la DCL dans le TCSPi. Nous avons recruté un échantillon de 96 participants incluant 32 TCSPi avec un TCL, 32 TCSPi sans TCL et 32 contrôles (sans TCSP et sans TCL). Le TCSPi était confirmé par polysomnographie et le diagnostic de TCL était établi à l’aide d’une évaluation neuropsychologique complète. Les participants ont effectué le MoCA et le TDH qui ont été cotés par trois juges aveugles aux groupes. Des 64 patients avec TCSPi, 53 (83 %) ont également complété une évaluation de suivi, dont 6 (11 %) ont développé une DCL. De plus, nous avons recruté une cohorte de confirmation constituée de TCSPi ayant effectué un MoCA et développé une DCL lors du suivi auprès d’un examinateur indépendant afin de confirmer nos résultats. Les analyses montrent que les patients TCSPi avec TCL performent moins bien au MoCA et au TDH que les contrôles. Les sous-échelles exécutif et visuospatial et rappel différé du MoCA, ainsi que la sous-échelle du contour du TDH étaient également moins bien réussies par les TCSPi avec TCL en comparaison aux contrôles. Le seuil optimal (meilleur Index Youden) pour le dépistage du TCL était à ≤ 25 (sensibilité à 71.9% et spécificité à 78.1%) pour le MoCA et ≤ 9 (sensibilité à 78.1% et spécificité à 53.1%) pour le TDH. Les résultats ont aussi montré que les TCSPi qui ont développé une DCL avaient un score plus faible au MoCA que les contrôles. Le score au TDH des TCSPi ayant développé une DCL n’était pas significativement différent de celui des contrôles. Le seuil optimal au MoCA pour la prédiction de la DCL était à ≤ 25 (sensibilité à 100.0% et spécificité à 78.1%). La cohorte indépendante de validation confirme ce résultat avec une sensibilité de 90.0% au seuil de ≤ 25. Les résultats du présent essai valident l’utilisation du MoCA dans le contexte du TCSPi pour le dépistage du TCL et la prédiction de la DCL en utilisant un seuil déficitaire à ≤ 25. Le TDH ne s’avère par assez discriminatif pour des fins de dépistage de trouble cognitif dans le TCSPi. Des caractéristiques de discrimination prometteuses ont été observées avec la sous-échelle rappel différé du MoCA ouvrant la porte à la validation future de tests courts de mémoire épisodique pour le dépistage du TCL et la prédiction de la DCL dans le TCSPi. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : trouble comportemental en sommeil paradoxal, synucléinopathie, trouble cognitif léger, trouble cognitif majeur, trouble neurocognitif, Montreal Cognitive Assessment, Test du Dessin de l’Horloge, test de dépistage, démence à corps de Lewy.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.004
Threshold uncertainty score0.008

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.000
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.001

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 head0.037
GPT teacher head0.257
Teacher spread0.220 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
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

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueArchipelago (University of Quebec in Montreal)→Same topicSleep and Wakefulness Research→French-language works237,207→