DOI: https://doi.org/10.3389/fnagi.2025.1670915
PMID: https://pubmed.ncbi.nlm.nih.gov/41561814
تاريخ النشر: 2026-01-05
المؤلف: Yimei Zhang وآخرون
الموضوع الرئيسي: النوم والاضطرابات المرتبطة به
نظرة عامة
تبحث هذه الدراسة الاستعادية في انتشار واضطرابات النوم والعوامل المرتبطة بها لدى المرضى المسنين المصابين بمرض باركنسون وضعف الإدراك. أجريت الدراسة على 108 مرضى، حيث تم تصنيف المشاركين إلى مجموعة اضطراب النوم (عدد = 40) ومجموعة غير مصابة باضطراب النوم (عدد = 68). تشير النتائج الرئيسية إلى وجود اختلافات كبيرة بين المجموعتين في تصنيف هوهن-يار، وجرعة ليفودوبا المعادلة، ومقياس القلق هاملتون (HAMA)، ومقياس الاكتئاب هاملتون (HAMD)، والألم المزمن (ص < 0.05). حدد تحليل الانحدار اللوجستي المتعدد هذه العوامل كعوامل خطر مستقلة لاضطرابات النوم، مع نسب احتمالية تبلغ 6.327، 2.698، 3.203، 1.041، و1.217، على التوالي. تم تطوير نموذج رسم بياني لتوقع المخاطر بناءً على هذه النتائج، مما يظهر قدرة تنبؤية قوية مع منطقة تحت المنحنى (AUC) تبلغ 0.963 (95% CI، 0.931-0.955). تم التحقق من معايرة النموذج، حيث أظهر درجة بريير تبلغ 0.051 وقيمة p لملاءمة النموذج تبلغ 0.925. تستنتج الدراسة أن عوامل الخطر المحددة يمكن أن تساعد في الفحص المبكر لاضطرابات النوم في هذه الفئة السكانية وتكون أساسًا لإنشاء تدخلات تدريب استرخاء شاملة مخصصة. قد تعزز هذه التدخلات، التي تستهدف العوامل القابلة للتعديل مثل القلق والاكتئاب والألم المزمن، جودة الحياة للمرضى المسنين المصابين بمرض باركنسون وضعف الإدراك.
مقدمة
يعد مرض باركنسون (PD) ثاني أكثر الاضطرابات التنكسية العصبية شيوعًا، ويؤثر بشكل كبير على السكان المسنين. بينما تعتبر الأعراض الحركية هي التركيز الرئيسي للتشخيص، فإن الأعراض غير الحركية، وخاصة ضعف الإدراك واضطرابات النوم، تُعترف بشكل متزايد كعوامل حاسمة تؤثر على عبء المرض وجودة الحياة. تشمل اضطرابات النوم في مرض باركنسون، والتي تتضمن الأرق، والنعاس المفرط خلال النهار، واضطراب سلوك النوم REM، تعقيدًا وعوامل متعددة، مرتبطة بالتغيرات التنكسية العصبية، والاضطرابات النفسية المصاحبة، وتأثيرات الأدوية، والألم المزمن. علاوة على ذلك، يمكن أن تؤثر المشاعر السلبية مثل القلق والاكتئاب سلبًا على جودة النوم، مما يخلق حلقة مفرغة تؤدي إلى تفاقم الضعف الإدراكي والهشاشة.
على الرغم من الأبحاث الحالية حول عوامل خطر اضطرابات النوم في مرض باركنسون، هناك نقص ملحوظ في الدراسات التي تركز على المرضى المسنين الذين يعانون من ضعف إدراكي متزامن، مما يعيق تطوير التدخلات المستهدفة. تهدف هذه الدراسة إلى معالجة هذه الفجوة من خلال تحديد عوامل الخطر المستقلة لاضطرابات النوم في هذه الفئة السكانية الضعيفة من خلال نهج إحصائي صارم، بما في ذلك الفحص الأحادي مع تصحيح بونفيروني والانحدار اللوجستي المتعدد. بالإضافة إلى ذلك، تسعى الأبحاث إلى إنشاء نموذج رسم بياني عملي سريريًا لتوقع المخاطر الفردية وتطوير تدخل تدريب استرخاء شامل مصمم وفقًا لعوامل الخطر القابلة للتعديل المحددة، مما يوفر إطار عمل قائم على الأدلة لإدارة اضطرابات النوم لدى مرضى باركنسون المسنين الذين يعانون من ضعف إدراكي.
الطرق
في هذه الدراسة، تم إجراء تحليل إحصائي شامل باستخدام G*Power 3.1 لإجراء تحليل قوة ما بعد الاختبار، مما يكشف عن قوة محققة تبلغ 0.85 لحجم العينة البالغ 108، مع مستوى ألفا محدد عند 0.05 وحجم تأثير (d) يبلغ 0.6، مما يشير إلى قوة كافية لاكتشاف تأثيرات متوسطة إلى كبيرة. تم تنفيذ تحليل البيانات باستخدام SPSS 25.0، حيث تم تلخيص البيانات الفئوية كأعداد (عدد) ومقارنتها باستخدام اختبار كاي-تربيع، بينما خضعت البيانات المستمرة لاختبار التوزيع الطبيعي عبر اختبار شابيرو-ويلك. تم الإبلاغ عن البيانات الموزعة بشكل طبيعي كمتوسط ± انحراف معياري (SD) وتم تحليلها باستخدام اختبارات t للعينات المستقلة، بينما تم التعبير عن البيانات غير الموزعة بشكل طبيعي كوسيط (نطاق الربع) وتم تقييمها باستخدام اختبار مان-ويتني U.
كانت مجموعة البيانات كاملة، مما يلغي الحاجة إلى الاستبدال. تم إجراء تحليل التعددية على المؤشرات التي أظهرت اختلافات كبيرة بين المجموعات. حددت تحليلات الانحدار اللوجستي الأحادي عوامل الخطر المحتملة بين المتغيرات الأساسية، حيث تم تضمين تلك التي حققت قيمة p < 0.05 لاحقًا في نموذج الانحدار اللوجستي المتعدد. تم تطبيق تصحيح بونفيروني لمعالجة الاختبارات المتعددة. تم الإبلاغ عن النتائج المتعددة كنسب احتمالية (ORs) مع فترات ثقة (CIs) بنسبة 95%. بالإضافة إلى ذلك، تم تطوير نموذج توقع وتم التحقق منه من خلال 1,000 تكرار إعادة أخذ عينات، مع حساب المنطقة تحت منحنى التشغيل المستلم (ROC) (AUC) لتقييم القدرة التمييزية، ورسم منحنيات المعايرة لدقة التنبؤ، واستخدام منحنيات القرار لتقييم الفائدة السريرية. تم تحديد الدلالة الإحصائية عند p < 0.05.
النتائج
أشارت نتائج تحليل التعددية إلى أن المتغيرات الخمسة المهمة التي تم تحديدها في التحليل الأحادي—تصنيف هوهن-يار، وجرعة ليفودوبا المعادلة، ودرجات مقياس القلق هاملتون (HAMA)، ودرجات مقياس الاكتئاب هاملتون (HAMD)، والألم المزمن—لم تظهر تعددية. تم تأكيد ذلك من خلال كون قيم عامل التضخم في التباين (VIF) أقل من أو تساوي 10 وقيم التسامح أكبر من أو تساوي 0.1. وبالتالي، تم اعتبار جميع المتغيرات الخمسة مناسبة للتضمين في نموذج الانحدار اللوجستي المتعدد التالي، كما هو موضح في الجدول 4.
المناقشة
تسلط قسم المناقشة في هذه الدراسة الضوء على العلاقة المهمة بين اضطرابات النوم ومجموعة متنوعة من عوامل الخطر لدى المرضى المسنين المصابين بمرض باركنسون وضعف الإدراك. تحدد الأبحاث تصنيف هوهن-يار، وجرعة ليفودوبا المعادلة، ودرجات مقياس القلق هاملتون (HAMA)، ودرجات مقياس الاكتئاب هاملتون (HAMD)، والألم المزمن كعوامل خطر مستقلة لاضطرابات النوم. تشير النتائج إلى أن مراحل المرض المتقدمة، وجرعات الأدوية الأعلى، ووجود القلق والاكتئاب تسهم في اضطرابات النوم، التي تعتبر شائعة ولكن غالبًا ما يتم تجاهلها في الممارسة السريرية. تؤكد الدراسة على الحاجة إلى تدخلات مستهدفة لتحسين جودة النوم في هذه الفئة السكانية.
تم تطوير نموذج رسم بياني لتوقع المخاطر بناءً على العوامل المحددة، مما يظهر قدرة تمييز ممتازة (AUC = 0.963) ومعايرة (درجة بريير = 0.051). يمكن أن يساعد هذا النموذج الأطباء في التعرف المبكر على المرضى ذوي المخاطر العالية، مما يسهل التدخلات غير الدوائية المخصصة، مثل تدريب الاسترخاء الشامل. تشمل الاستراتيجيات المقترحة التنفس الحجاب الحاجز، والاسترخاء العضلي التدريجي، وعلاج الموسيقى للاسترخاء، وأوضاع اليوغا المعدلة، جميعها تهدف إلى معالجة الطبيعة متعددة العوامل لاضطرابات النوم. تؤكد الدراسة على أهمية دمج الأساليب النفسية والفسيولوجية في إدارة اضطرابات النوم لتعزيز الرفاهية العامة للمرضى المسنين المصابين بمرض باركنسون.
DOI: https://doi.org/10.3389/fnagi.2025.1670915
PMID: https://pubmed.ncbi.nlm.nih.gov/41561814
Publication Date: 2026-01-05
Author(s): Yimei Zhang et al.
Primary Topic: Sleep and related disorders
Overview
This retrospective cohort study investigates the prevalence and associated factors of sleep disorders in elderly patients with Parkinson’s disease and cognitive impairment. Conducted on 108 patients, the study categorized participants into a sleep disorder group (n = 40) and a non-sleep disorder group (n = 68). Key findings indicate significant differences between the groups in Hoehn-Yahr staging, levodopa equivalent dose, Hamilton Anxiety Scale (HAMA), Hamilton Depression Scale (HAMD), and chronic pain (p < 0.05). Multivariate logistic regression analysis identified these factors as independent risk factors for sleep disorders, with odds ratios of 6.327, 2.698, 3.203, 1.041, and 1.217, respectively. A risk prediction nomogram model was developed based on these findings, demonstrating strong predictive capability with an area under the curve (AUC) of 0.963 (95% CI, 0.931-0.955). The model's calibration was validated, showing a Brier Score of 0.051 and a model fit p-value of 0.925. The study concludes that the identified risk factors can aid in early screening for sleep disorders in this demographic and serve as a basis for creating personalized comprehensive relaxation training interventions. These interventions, targeting modifiable factors such as anxiety, depression, and chronic pain, may enhance the quality of life for elderly patients with Parkinson's disease and cognitive impairment.
Introduction
Parkinson’s disease (PD) is the second most common neurodegenerative disorder, significantly affecting the aging population. While motor symptoms are the primary focus for diagnosis, non-motor symptoms, particularly cognitive impairment and sleep disorders, are increasingly recognized as crucial factors influencing disease burden and quality of life. Sleep disorders in PD, which include insomnia, excessive daytime sleepiness, and REM sleep behavior disorder, are complex and multifactorial, linked to neurodegenerative changes, neuropsychiatric comorbidities, medication effects, and chronic pain. Furthermore, negative emotions such as anxiety and depression can adversely affect sleep quality, creating a vicious cycle that exacerbates cognitive impairments and frailty.
Despite existing research on sleep disorder risk factors in PD, there is a notable lack of studies focusing on elderly patients with concurrent cognitive impairment, which hinders the development of targeted interventions. This study aims to address this gap by identifying independent risk factors for sleep disorders in this vulnerable population through a rigorous statistical approach, including univariate screening with Bonferroni correction and multivariate logistic regression. Additionally, the research seeks to create a clinically practical nomogram model for individualized risk prediction and to develop a comprehensive relaxation training intervention tailored to the identified modifiable risk factors, thereby providing an evidence-based framework for managing sleep disturbances in elderly PD patients with cognitive impairment.
Methods
In this study, a comprehensive statistical analysis was performed using G*Power 3.1 to conduct a post hoc power analysis, revealing an achieved power of 0.85 for the sample size of 108, with an alpha level set at 0.05 and an effect size (d) of 0.6, indicating sufficient power to detect medium-to-large effects. Data analysis was executed using SPSS 25.0, where categorical data were summarized as counts (n) and compared using the Chi-square test, while continuous data underwent normality testing via the Shapiro-Wilk test. Normally distributed data were reported as mean ± standard deviation (SD) and analyzed with independent samples t-tests, whereas non-normally distributed data were expressed as median (interquartile range) and assessed using the Mann-Whitney U-test.
The dataset was complete, negating the need for imputation. Collinearity analysis was performed on indicators with significant differences between groups. Univariate logistic regression analyses identified potential risk factors among baseline variables, with those yielding a p-value < 0.05 subsequently included in a multivariate logistic regression model. Bonferroni correction was applied to address multiple testing. The multivariate results were reported as odds ratios (ORs) with 95% confidence intervals (CIs). Additionally, a prediction model was developed and validated through 1,000 bootstrap resampling iterations, with the area under the receiver operating characteristic (ROC) curve (AUC) calculated to assess discriminative ability, calibration curves plotted for predictive accuracy, and decision curves utilized to evaluate clinical utility. Statistical significance was determined at p < 0.05.
Results
The results of the multicollinearity analysis indicated that the five significant variables identified in the univariate analysis—Hoehn-Yahr staging, equivalent dose of levodopa, Hamilton Anxiety Rating Scale (HAMA), Hamilton Depression Rating Scale (HAMD), and chronic pain—did not exhibit multicollinearity. This was confirmed by the variance inflation factor (VIF) values being less than or equal to 10 and tolerance values being greater than or equal to 0.1. Consequently, all five variables were deemed suitable for inclusion in the subsequent multivariate logistic regression model, as detailed in Table 4.
Discussion
The discussion section of this study highlights the significant association between sleep disorders and various risk factors in elderly patients with Parkinson’s disease and cognitive impairment. The research identifies Hoehn-Yahr staging, levodopa equivalent dose, Hamilton Anxiety Scale (HAMA) scores, Hamilton Depression Scale (HAMD) scores, and chronic pain as independent risk factors for sleep disorders. The findings suggest that advanced disease stages, higher medication doses, and the presence of anxiety and depression contribute to sleep disturbances, which are common yet often overlooked in clinical practice. The study emphasizes the need for targeted interventions to improve sleep quality in this population.
A risk prediction nomogram model was developed based on the identified factors, demonstrating excellent discriminative ability (AUC = 0.963) and calibration (Brier score = 0.051). This model can aid clinicians in early identification of high-risk patients, facilitating personalized non-pharmacological interventions, such as comprehensive relaxation training. The proposed strategies include diaphragmatic breathing, progressive muscle relaxation, relaxation music therapy, and adapted yoga postures, all aimed at addressing the multifactorial nature of sleep disturbances. The study underscores the importance of integrating psychological and physiological approaches in managing sleep disorders to enhance the overall well-being of elderly patients with Parkinson’s disease.