XiaoMi-AI文件搜索系统
World File Search SystemSleep
多次睡眠潜伏期测试 (MSLT) M7580
在家进行多导睡眠图 (PSG) 测试。这包括通过脑电图监测您整夜的睡眠，以确保您在 MSLT 之前睡个好觉。为此，我们将测量您的头部，然后用特殊胶水将小圆盘粘贴到您的头皮上。您的下巴下方以及眼睛上方和下方也放置了一些圆盘。所有圆盘都通过电线连接到一个小的记录盒上，然后将它们捆在一起并放在肩上的包里。然后您就可以带着连接好的圆盘回家了。
艺术疗法和体育活动在改善偏瘫性脑瘫儿童睡眠质量方面的有效性：准实验性试验研究
引言CP是一种永久运动和姿势障碍，由于胎儿或新生儿大脑异常而导致活动限制。，每1000例活产的发生率为2.1，这是损害和残疾的重要贡献者，偏瘫CP的儿童占总CP人群的39％[1]。在患有CP的儿童中，运动缺陷经常包括不良的协调，肌肉无力，震颤，感觉不足，视力差和引起注意的困难[1]。痉挛型CP占所有CP案例的85-91％，使其成为最普遍的类型。偏瘫（所有痉挛性CP病例的38％），diper（37％）和四肢瘫痪（占24％的病例）进一步分类为痉挛性CP。偏瘫性CP的原因包括中风，血管异常，单侧脑室室内出血和脑室脑室白细胞乳突[2]。尽管如此，偏瘫CP的儿童可能难以适应和执行日常任务。运动和肌肉张力通常在偏瘫CP的身体一侧受到影响[3]。
小儿失眠的药理管理|睡眠
失眠是儿童和青少年中最常见的睡眠障碍，影响了他们的认知，情感，行为和身体发育。失眠症的患病率通常会随着年龄的增长而增加，如果未解决，通常会持续到成年。失眠在患有发育障碍的患者中非常普遍，并且经常与大量的精神诊断相处。COVID-19的大流行只会增加儿童和青少年失眠率。医疗保健提供者通常会要求治疗小儿人群的失眠症。心理教育和行为干预措施，尤其是对失眠症（CBT-I）的认知行为疗法（CBT-I）仍然是第一线治疗，鉴于其效果和预防复发方面的成功证据。然而，尽管食品药物管理局（FDA）未批准药物治疗小儿失眠症，但经常在临床实践中使用药物。本评论旨在教育和支持正在对待失眠症儿童和青少年的从业者。完成了彻底的叙述性审查，以确定所有已发表的小儿失眠的药物研究；描述了识别的研究，然后根据支持其使用的证据的强度，将副作用，合并症和整体风险与每种药理治疗的益处分级分为四类。这项审查将帮助从业人员为患有失眠症的儿科患者做出临床决策。
米尔顿·凯恩斯无家可归和粗糙的睡眠策略
来自艾米丽·达林顿（Emily Darlington）的词，成人，住房和健康社区的内阁成员米尔顿·凯恩斯市议会（Milton Keynes Council）认为，每个人都应该得到良好的生活质量，健康，安全，并在某个地方可以打电话给家。采用与社区合作伙伴，利益相关者和更广泛的公众一起工作的多机构方法，帮助我们制定了新的无家可归和粗暴的睡眠策略。我们认识到，无家可归的人比睡觉的人更广泛，包括生活在不安全的住宿中的人。我们也理解无家可归是一个复杂的问题，很难描述并且没有简单的解决方案。应对这一挑战需要新的思考，并且需要我们将新方法应用于旧问题，因为我们致力于最大程度地减少重复和长期无家可归的目的，并支持个人和家庭找到可持续的长期解决方案，重点关注他们的需求和愿望。该战略旨在与社区和合作伙伴一起解决这个具有挑战性的问题，他们将支持我们为使用我们服务的人提供服务。至关重要的是我们如何解决此问题，包括与经验经验或受到无家可归者影响不成比例的个人，以帮助塑造我们的服务，以便他们最好地满足访问这些服务的人的需求。我们欢迎您的支持。Cllr Emily Darlington Labor和Bletchley East内阁成人，住房和健康社区成员的合作委员
睡眠期间的记忆重新激活不会对物体记忆产生整体作用
人们认为睡眠期间的记忆再激活有助于记忆巩固。大多数睡眠再激活研究都研究了特定事实、物体和联想的再激活如何有利于整体记忆。然而，我们的记忆并不是单一的，记忆的所有特征也并非随着时间的推移而同时存在。相反，我们的记忆会发生转变，一些特征会得到加强，而另一些特征会减弱。睡眠再激活会推动记忆转变吗？我们利用目标记忆再激活技术在对象类别学习范式中研究了这个问题。参与者（20 名女性，14 名男性）学习了三类新物体，其中每个物体都有独特的、可区分的特征以及与其类别其他成员共享的特征。我们使用实时 EEG 协议在优化以产生再激活事件的时刻提示睡眠期间这些物体的再激活。我们发现，再激活会改善对可区分特征的记忆，同时恶化对共享特征的记忆，这表明存在分化过程。结果表明，睡眠再激活并不会对物体记忆产生整体作用，而是支持某些特征比其他特征得到增强的转变。
SleepFM：在大脑活动，ECG和呼吸信号
睡眠是通过记录各种方式来评估一种复杂的生理过程。我们从14,000多个参与者中策划了一个大型的多模式睡眠记录的大型多摄影数据集。掌握了这个广泛的数据集，我们开发了SleepFM，这是第一个用于睡眠分析的多模式基础模型。我们表明，与标准的成对构造学习的表示相比，一种新颖的对比学习方法可以显着证明下游任务绩效。A logistic regression model trained on SleepFM 's learned embeddings out- performs an end-to-end trained convolutional neu- ral network (CNN) on sleep stage classification (macro AUROC 0.88 vs 0.72 and macro AUPRC 0.72 vs 0.48) and sleep disordered breathing de- tection (AUROC 0.85 vs 0.69 and AUPRC 0.77 vs 0.61）。值得注意的是，从90,000名候选人中获取其他响应的记录剪辑，学到的嵌入在检索其他方式的记录剪辑方面达到了48％的平均准确性。这项工作展示了整体多模式睡眠模型的价值，以完全捕获睡眠记录的丰富性。SleepFM是开源的，可在https://github.com/rthapa84/sleepfm-codebase上找到。
睡眠时间、睡眠类型、健康和生活方式因素影响认知：英国生物库横断面研究
摘要 目的 探索睡眠模式、睡眠类型、质量以及健康和生活方式因素对认知表现的影响之间的细微关系。 设计、设置、参与者 这项横断面分析使用了英国生物银行数据库中的普通最小二乘回归，评估了 26,820 名年龄在 53-86 岁之间的参与者，分为两组：组 1（10,067 名参与者，56% 为女性；完成了流体智力/推理、配对、反应时间和前瞻性记忆的所有四项认知测试）和组 2（16,753 名参与者，56% 为女性；仅完成了配对和反应时间两项认知评估）。 暴露 参与者自我报告的睡眠时间、睡眠类型和质量。通过标准化计算机测试评估认知功能。分析根据人口统计学和合并症协变量进行了调整。主要结果和措施 根据睡眠参数和健康和生活方式因素（包括性别、年龄、血管和心脏状况、糖尿病、酒精摄入量、吸烟习惯和体重指数）评估认知表现得分。 结果 回归分析显示，在队列 1 中，正常睡眠时间（7-9 小时）与认知得分呈正相关（β =0.0567，95% CI 0.0284 至 0.0851），而延长睡眠时间对两个队列的得分产生负面影响（队列 1：β =-0.188，95% CI -0.2938 至 -0.0822；队列 2：β =-0.2619，95% CI -0.3755 至 -0.1482）。 时间类型区别，特别是中间类型和晚间类型，与卓越的认知功能相关。性别、年龄、心绞痛、高血压、糖尿病、酒精摄入量和吸烟是重要的认知影响因素。结论和相关性 本研究描述了睡眠变量、健康和生活方式因素在决定认知结果方面的多方面和微妙的关系。这些发现强调了睡眠质量对认知健康的重要作用。
SleepFM：在大脑活动，ECG和呼吸信号
睡眠是通过记录各种方式来评估一种复杂的生理过程。我们从14,000多个参与者中策划了一个大型的多模式睡眠记录的大型多摄影数据集。掌握了这个广泛的数据集，我们开发了SleepFM，这是第一个用于睡眠分析的多模式基础模型。我们表明，与标准的成对构造学习的表示相比，一种新颖的对比学习方法可以显着证明下游任务绩效。A logistic regression model trained on SleepFM 's learned embeddings out- performs an end-to-end trained convolutional neu- ral network (CNN) on sleep stage classification (macro AUROC 0.88 vs 0.72 and macro AUPRC 0.72 vs 0.48) and sleep disordered breathing de- tection (AUROC 0.85 vs 0.69 and AUPRC 0.77 vs 0.61）。值得注意的是，从90,000个候选者中检索模态剪辑对时，学到的嵌入在检索模态剪辑对方面具有48％的平均准确性。这项工作展示了整体多模式睡眠建模的价值，以完全捕获睡眠记录的丰富性。SleepFM是开源的，可在https://github.com/rthapa84/sleepfm- codebase上找到。
o r i g i n a l r e s a a r c h沙特阿拉伯2型糖尿病和肥胖症患者的睡眠障碍患病率：一项横断面研究
目的：困难或入睡困难被认为是睡眠障碍，在2型糖尿病（T2DM）和肥胖症患者中很常见。睡眠障碍的存在可能导致该人群中血糖控制不佳。因此，我们设计了这项研究来评估T2DM和肥胖症患者的睡眠障碍。患者和方法：这项横断面研究检查了148例T2DM和肥胖症患者在沙特阿拉伯Taif的一家医院使用经过验证的问卷调查的患病率。结果：在参与这项研究的患者中，我们发现睡眠障碍和障碍水平中等。T2DM和肥胖症患者的平均睡眠障碍评估评分为2.8±1.4。此外，缺乏睡眠症状的睡眠方式评估的平均得分为2.7±1.3和2.9±1.5。我们的研究还表明，这些患者的体重和血糖控制也倍感。结论：这些发现表明T2DM和肥胖症患者患睡眠障碍的风险更高。因此，需要筛查这些患者的睡眠障碍，以避免进一步的糖尿病并发症并进行早期的生活方式干预。关键词：睡眠障碍，2型糖尿病，肥胖，患病率，沙特阿拉伯