L'Institut d'Investigació Sanitària Illes Balears (IdISBa) amb membres del IUNICS i la Universitat de les Illes Balears (UIB) i el Servei de Psiquiatria de l'Hospital Universitari Son Espases han participat en un estudi sobre el fenotípic basat en dades dels trastorns centrals d'hipersomnolència amb agrupació no supervisada. També hi han participat diferents centres internacionals.
Francesca Cañellas
, psiquiatra de l'Hospital Universitari Son Espases i investigadora de l'IdISBa, ha participat en la publicació de l'article amb el títol "Data-Driven Phenotyping of Central Disorders of Hypersomnolence With Unsupervised Clustering" a la revista Neurology.
Estudis recents alimenten els dubtes sobre si tots els trastorns centrals definits d'hipersomnolència són entitats estables, especialment narcolèpsia tipus 2 i hipersòmnia idiopàtica. Es necessiten nous biomarcadors confiables i sorgeix la pregunta si els criteris diagnòstics actuals de trastorns d'hipersomnolència podrien ser reavaluats. El principal objectiu d'aquest estudi basat algoritmes podria aïllar la narcolèpsia tipus 1 i identificar més subgrups més confiables d'individus sense cataplexia amb nous biomarcadors clínics.
Utilitzant un enfocament basat en dades en l'estudi més gran sobre trastorns centrals d'hipersomnolencia fins avui, el nostre estudi va identificar diferents subgrups de pacients dins de la població de trastorns centrals d'hipersomnolencia. Els nostres resultats impugnen la inclusió dels períodes REM d'inici del somni en els criteris de diagnòstic per a les persones sense cataplexia i proporcionen noves variables prometedores per a les categories de diagnòstic fiables que s'assemblen millor als diferents fenotips de pacients. La classificació guiada per grups donarà lloc a un sistema de classificació de la hipersomnolencia més sòlid i menys vulnerable a la inestabilitat de les característiques individuals.
Referència de l'article
Gool JK, Zhang Z, Oei MS, Mathias S, Dauvilliers Y, Mayer G, et al. Data-Driven Phenotyping of Central Disorders of Hypersomnolence With Unsupervised Clustering. Neurology. 2022 Apr 18;10.1212/WNL.0000000000200519. doi: 10.1212/WNL.0000000000200519. PubMed PMID: 35437263.Enllaços Bibliosalut |
Text completMètriques
| Consulteu cites en Web of Science | ||
 Altmetric |
[Font: Bibliosalut]
[Foto: Timothy Krause / Man sleeping / CC-by-sa-3.0 de]
