您現在的位置是:首頁 > 武術

這項研究對慢波睡眠最能解釋深度睡眠的理論提出了挑戰

  • 由 腦機介面社群 發表于 武術
  • 2021-12-12
簡介NREM 睡眠中的絕對功率譜密度和感知睡眠深度上圖 (A)為 線性混合模型的結果,透過功率譜密度解釋良好睡眠者(n = 20,頂行)和錯誤感知者(n = 10

公斤力和牛怎麼換算

本文由“腦機介面社群”團隊原創編譯,轉載請聯絡授權。

洛桑大學醫院的一組研究人員的研究結果,挑戰了睡眠期間腦電波緩慢表明人感覺自己處於深度睡眠狀態的理論。他們的研究結果發表在《Current Biology》雜誌上。

這項研究對慢波睡眠最能解釋深度睡眠的理論提出了挑戰

多年來,醫學科學一直堅信,可以透過腦電圖(EEG)讀數來判斷一個人的睡眠深度。在這項新的研究中,研究人員透過仔細地觀察患有慢性失眠症的人發生了什麼,最終挑戰了這一觀點。

為了更多地瞭解失眠症,並可能找到治療方法,研究人員讓10名失眠症患者和20名睡眠通常正常的人在實驗室裡睡覺,並對他們在睡眠期間進行腦電圖記錄。每個人還報告了他們的睡眠質量。研究人員還對志願者進行了787次喚醒,以獲得他們在不同睡眠階段的睡眠質量的近乎即時的反饋。

這項研究對慢波睡眠最能解釋深度睡眠的理論提出了挑戰

圖3。NREM 睡眠中的絕對功率譜密度和感知睡眠深度

上圖 (A)為 線性混合模型的結果,透過功率譜密度解釋良好睡眠者(n = 20,頂行)和錯誤感知者(n = 10;中間行)的感知睡眠深度。小組互動效果顯示在最下面一行。絕對功率譜密度是覺醒前 120 秒的平均值。在單獨的模型中評估每個頻段的影響。所有模型都將受試者身份和夜間時間作為隨機因素。 Wald 統計值(固定因子估計值與其標準誤差的平方比)顯示在每個電極的頭皮水平;在多次比較的聚類和機率校正(p < 0。05)後效果顯著的電極用白色標記。圖(B) 所選頻段的源級別 Wald 統計資料的皮質分佈(基於 A 中顯示的結果)。使用了在 (A) 中描述的相同程式。結果不顯著的體素是灰色的。未透過多重比較校正的對比用井號符號標記。NREM 是指階段 N2 和 N3。 LL,左側;LM,左內側;RL,右側;RM,右內側。

這項研究對慢波睡眠最能解釋深度睡眠的理論提出了挑戰

圖4。 NREM 睡眠中的紡錘體和感知睡眠深度

上圖為良好睡眠者(n = 20,頂行)和睡眠錯誤感知者(n = 10,第二行)頭皮水平的平均紡錘體引數的地形分佈。線性混合模型的結果解釋了良好睡眠者(第三行)、錯誤感知者(第四行)和群體互動效應(底行)的紡錘體引數感知睡眠深度的程度。提取紡錘體引數,並在覺醒前120秒內取平均值。各引數的影響分別在不同的模型中進行評估。所有模型都將受試者身份和夜間時間作為隨機因素。Wald統計值(固定因子估計與其標準誤差的平方比)顯示在每個電極的頭皮水平;在多次比較的聚類和機率校正(p < 0。05)後效果顯著的電極用白色標記。NREM指N2階段和N3階段。

這項研究對慢波睡眠最能解釋深度睡眠的理論提出了挑戰

圖S5。NREM 和 REM 睡眠中的絕對功率譜密度,與圖 3 和 5 相關

上圖為良好睡眠者 (GS, n=20) 和 NREM 睡眠 (頂行)、REM 睡眠 (中間 排)。 REM 和 NREM 睡眠功率譜密度之間的 T 檢驗產生的 T 值顯示在底部行中。白點表示在聚類校正後具有顯著階段影響的通道。如方法部分所述進行聚類校正。

在檢視他們的資料時,研究人員發現,正常睡眠者報告說,他們在睡眠的前兩個小時睡眠最淺,這段時間是非快速眼動睡眠。另一方面,失眠者報告說比前兩個小時睡眠正常的人感覺更清醒。他們還報告說,在快速眼動(REM)睡眠期間,他們感覺自己睡得更輕,而以前的研究表明,快速眼動睡眠是人們通常睡得最深的時間。

研究人員還發現,失眠症患者經常在他們認為自己醒著的時候睡覺,這表明他們的睡眠時間比他們想象的要多。但研究人員還發現,失眠症患者的慢波睡眠和快波睡眠存在一定程度的重疊——這表明他們同時處於清醒和睡眠狀態。

研究人員認為,這一發現挑戰了慢波必然表明重度睡眠和之後睡得過多的感覺的觀點。他們進一步表明,舊觀念傾向於忽視人們在睡覺時可能產生的疏離感,這表明在睡眠過程中出了問題。

參考:

Aurélie M。 Stephan et al, Conscious experiences and high-density EEG patterns predicting subjective sleep depth, Current Biology (2021)。DOI: 10。1016/j。cub。2021。10。012

https://medicalxpress。com/news/2021-11-results-theory-slow-wave-accounts-deeply。html

Top