The effect of obstructive sleep apnea on sleep architecture and cognition in Parkinson’s disease
Bibliographic record
Abstract
Introduction: Les troubles du sommeil sont très important dans la maladie de Parkinson (MP), et peuvent augmenter le risque de troubles cognitifs. Les mesures électroencéphalographiques (EEG) du sommeil, telles que les « odds ratio product » (ORP ou produit des rapports de cotes) et les fuseaux de sommeil, fournissent des informations sur les mécanismes de l’altération du sommeil. Notre objectif est de décrire le sommeil via ORP et les fuseaux dans la MP, et d'évaluer les associations entre le sommeil, l'apnée obstructive du sommeil (AOS) et la fonction cognitive dans la MP.Méthodes: Les polysomnographies ont été analysées à partir de patients atteints de la MP ont été sélectionnés pour l’étude COPE-PAP (NCT02209363). Les EEGs ont été analysés pour ORP dans les différents stades du sommeil, le changement d'ORP immédiatement après un micro-éveil (ORP-9), le changement d'ORP du début à la fin du sommeil (DeltaORP) et l’accord du ORP entre les hémisphères cérébraux droit et gauche (corrélation D/G). Les EEGs ont également été analysés pour les caractéristiques des fuseaux de sommeils (densité, puissance, fréquence, % des fuseaux rapides). Les corrélations de Spearman ont été calculées pour les associations entre les mesures d’EEG et les indices de troubles du sommeil ou l’AOS. Les modèles linéaires simple ont été construits pour identifier les associations entre les mesures d’EEG et les paramètres cliniques. Les modèles linéaires multiple ont été utilisés pour évaluer les associations entre les mesures d’EEG et l’AOS ou la cognition avec le « Montreal Cognitive Assessment » (MoCA).Résultats: 89 patients ont été analysés (âge moyen de 64.9 ± 10.9 ans, 67% d'hommes, durée moyenne de la MP de 6.3 ± 4.9 ans, indice de troubles respiratoire (RDI) moyen de 43.6 ± 17.4/h). Plusieurs paramètres d'ORP et de fuseau étaient corrélés avec des mesures de fragmentation du sommeil. Dans les modèles linéaires simple, ORP dans le sommeil lent était associé à la sévérité de la MP sur la composante motrice de l’échelle unifiée d’évaluation de la MP (mUPDRS), et les caractéristiques des fuseaux étaient associées à l'âge, au sexe, et à la sévérité de la MP. ORP dans le sommeil lent était associé au RDI sur les modèles linéaires simple, tandis que l'ORP-éveillé et l'ORP-9 étaient associés à l'indice de désaturation en oxygène (IDO) sur les modèles linéaires multiple. Les prédicteurs de meilleurs scores MoCA étaient DeltaORP (β=5,94, IC à 95 % [2.57, 9.32]), corrélation D/G (β=14.24, IC à 95 % [2.81, 25.69]) et la densité des fuseaux (β=0.63, 95 % IC [0.06, 1.21]), ajusté pour l'âge, le sexe, l’utilisation d'antidépresseurs, la consommation d'alcool et le tabagisme actif.Conclusion: Plusieurs mesures d’ORP sont corrélées aux mesures de la mauvaise qualité du sommeil dans la MP. Alors que certaines mesures de l'ORP sont liées à des variables cliniques (la sévérité de la MP ou l'AOS), d'autres ne le sont pas et reflètent probablement des mécanismes intrinsèques de régulation du sommeil. Les mesures d'ORP reflétant l'adéquation du sommeil (c'est-à-dire DeltaORP et corrélation D/G), ainsi que la densité des fuseaux, étaient prédictives d'une meilleure fonction cognitive. Les travaux futurs avec ORP et les fuseaux peuvent aider à comprendre la physiopathologie et les conséquences d'un mauvais sommeil chez les patients atteints de 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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".