The present study proposes a classification model for the differential diagnosis of primary insomnia (PI) and delayed sleep phase disorder (DSPD), applying machine learning methods to circadian parameters obtained from ambulatory circadian monitoring (ACM). Nineteen healthy controls and 242 patients (PI = 184; DSPD = 58) were selected for a retrospective and non-interventional study from an anonymized Circadian Health Database (https://kronowizard.um.es/). ACM records wrist temperature (T), motor activity (A), body position (P), and environmental light exposure (L) rhythms during a whole week. Sleep was inferred from the integrated variable TAP (from temperature, activity, and position). Non-parametric analyses of TAP and estimated sleep yielded indexes of interdaily stability (IS), intradaily variability (IV), relative amplitude (RA), and a global circadian function index (CFI). Mid-sleep and mid-wake times were estimated from the central time of TAP-L5 (five consecutive hours of lowest values) and TAP-M10 (10 consecutive hours of maximum values), respectively. The most discriminative parameters, determined by ANOVA, Chi-squared, and information gain criteria analysis, were employed to build a decision tree, using machine learning. This model differentiated between healthy controls, DSPD and three insomnia subgroups (compatible with onset, maintenance and mild insomnia), with accuracy, sensitivity, and AUC >85%. In conclusion, circadian parameters can be reliably and objectively used to discriminate and characterize different sleep and circadian disorders, such as DSPD and OI, which are commonly confounded, and between different subtypes of PI. Our findings highlight the importance of considering circadian rhythm assessment in sleep medicine.
-Objective: To evaluate sleep characteristics verifying for the presence of depressive symptoms in mothers of insomniac children living in São Paulo (Brazil) and Barcelona (Spain). Method: Forty-six mothers were evaluated, 37 from São Paulo and nine from Barcelona, their ages varying from 19 to 44, and their children; otherwise healthy but with complaints of insomnia, their age varying from three to 33 months. The mothers' sleep quality was rated by the Pittsburgh Sleep Quality Index (PSQI), and the Beck Depression Inventory (BDI). Results: 91.30% of mothers reported poor sleep by PSQI standards. Regarding signs and symptoms of depression, 69.56% of all mothers in this sample showed them. Direct correlation between São Paulo mothers PSQI and BDI was found and also between the child's age and BDI. Conclusion: The mothers' poor sleep was related to mood changes with symptoms of depression presenting similar results in both cities.KEY WORDS: sleep, sleep disorders, child, insomnia, mood disorder. Sono e humor de mães de crianças pequenas com insônia em São Paulo e BarcelonaResumo -Objetivo: Avaliar a presença de sintomas depressivos em mães de crianças com insônia em São Paulo e Barcelona. Método: Quarenta e seis mães foram avaliadas, 37 de São Paulo e nove de Barcelona, suas idades variaram de 19 a 44 anos, e suas crianças, saudáveis, mas com queixa de insônia tinham idades de três a 33 meses. A mãe foi avaliada pelo Índice de Qualidade de Sono de Pittsburgh (PSQI) e pelo Índice de Depressão de Beck (IDB). Resultados: 91,30% das mães relataram sono ruim pelo padrão do PSQI. Quanto aos sinais e sintomas de depressão, 69,56% das mães da amostra total relatavam. Nas mães de São Paulo foi constatada correlação direta entre o PSQI e o IDB, bem como a idade da criança e o IBD. Conclusão: O sono ruim das mães se correlacionou com sinais e sintomas depressivos e os resultados foram semelhantes nas duas cidades.PAlAvRAS-ChAvE: sono, distúrbios do sono, criança, insônia, transtorno do humor.
RESUMOObjetivo: Revisar a literatura sobre insônia de crianças pequenas e seus aspectos relacionados às repercussões familiares, à abordagem pediátrica e ao seu tratamento.Fontes de dados: Levantamento de publicações indexadas no Medline e Lilacs entre os anos de 1998 e 2008, rastreadas com a combinação dos descritores: "sleep", "insomnia", "child", "depression", "mother-child relationship", além de teses e capítulos de livros pertinentes ao assunto.Síntese dos dados: A insônia da criança pequena, definida como dificuldade repetida em iniciar e/ou manter o sono, é queixa frequente na clínica pediátrica e usualmente traz repercussões nos pais relativas à privação de sono. Aos dois a três meses de idade, há condições biológicas para consolidação das horas de sono à noite; estando a conduta parental associada às dificuldades neste processo. Estudos demonstram que há associação entre insônia do bebê e depressão nas mães, e a insônia pode ser manifestação de dificuldades no desenvolvimento psíquico da criança pequena, que acontece na relação com sua mãe.Conclusões: O ritmo de sono nos bebês pode e deve estabelecer-se precocemente; os hábitos para o sono devem basear-se nas medidas de higiene do sono. A depressão nas mães, que pode contribuir para a insônia do bebê, idealmente poderia ser detectada pelo pediatra, prevenindo esse comprometimento das mães e de seus bebês.Palavras-chave: sono; distúrbios do início e manutenção do sono; criança; depressão; relações mãe-filho. ABSTRACTObjective: To review the literature on insomnia in small children, its aspects related to effects on parents, pediatric approach and treatment.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.