Les EEG de sommeil paradoxal et non-paradoxal coexistent pendant les transitions de sommeil, selon une nouvelle étude

Lead. La séparation rigide du sommeil en stades distincts de sommeil paradoxal (REM) et non-paradoxal (NREM) est une pierre angulaire du scoring du sommeil depuis Rechtschaffen et Kales. Mais un nouvel article dans Sleep Medicine remet en cause cette image bien rangée. Qi Li, Zhijun Zhong, Qian Ouyang, Xueliang Zou, Fang Yi, Chunmei Gan et Dongyuan Yao de l’hôpital populaire provincial du Jiangxi et du Collège médical de Nanchang rapportent que les ondes EEG caractéristiques du sommeil REM et NREM peuvent apparaître simultanément pendant la transition entre les stades du sommeil. Cette découverte, publiée en ligne avant impression, soulève d’importantes questions sur la manière dont les limites des stades du sommeil sont définies et sur la question de savoir si le cadre catégoriel conventionnel capture la véritable neurophysiologie du changement d’état du sommeil.

Ce qu’il démontre. L’étude, intitulée « Coexistence of REM and NREM sleep characteristic EEG waves during sleep transition » (DOI: 10.1016/j.sleep.2026.109150), apporte la preuve électrophysiologique que la frontière entre les stades du sommeil n’est pas un interrupteur brusque mais une zone d’activité mixte. Pendant la période de transition, le cerveau peut générer des fuseaux du sommeil ou des complexes K (marqueurs du sommeil NREM) en même temps que des mouvements oculaires rapides ou des ondes en dents de scie caractéristiques du sommeil REM. Plutôt qu’une limite nette entre les stades, l’EEG montre un état hybride où le cerveau ne s’est pas entièrement engagé dans un type de sommeil. Cela remet en cause l’hypothèse sous-jacente à la polysomnographie standard selon laquelle une époque donnée de 30 secondes appartient exclusivement à un seul stade. Si les motifs EEG hybrides apparaissent régulièrement, alors les règles de scoring conventionnelles peuvent systématiquement mal classer les époques transitionnelles, appauvrissant la richesse de l’architecture du sommeil en une seule étiquette qui ne reflète pas l’état neuronal sous-jacent.

Pourquoi c’est important. La classification des stades du sommeil est le moteur du diagnostic clinique et de la recherche. Une mauvaise classification du sommeil transitionnel pourrait affecter des paramètres tels que la latence REM, la durée du cycle NREM-REM et le nombre de changements de stade (paramètres utilisés pour évaluer des troubles allant de la narcolepsie à la dépression). Plus largement, l’article pointe vers un modèle gradué ou continu de la régulation des états de sommeil, où le cerveau ne passe pas de manière discrète entre les stades mais traverse des états intermédiaires avec des signatures électrophysiologiques mixtes. Cela s’aligne avec des travaux récents utilisant des enregistrements intracrâniens et l’EEG à haute densité qui suggèrent que les transitions entre les stades du sommeil impliquent des changements progressifs dans de multiples réseaux oscillatoires plutôt que des changements simultanés du type « tout ou rien ». Si les états EEG hybrides sont une partie normale de la microarchitecture du sommeil, alors les directives de scoring pourraient devoir être mises à jour pour en tenir compte, et les algorithmes automatisés de staging du sommeil pourraient avoir besoin d’être réentraînés pour reconnaître les motifs transitionnels plutôt que de les forcer dans des catégories discrètes. Les résultats ouvrent également une fenêtre sur les mécanismes neuronaux qui coordonnent la transition (plus précisément, comment les circuits thalamocorticaux qui génèrent les fuseaux interagissent avec les systèmes du tronc cérébral et du cerveau antérieur basal qui génèrent le sommeil REM au même moment).

Source. Li Q, Zhong Z, Ouyang Q, Zou X, Yi F, Gan C, Yao D. Coexistence of REM and NREM sleep characteristic EEG waves during sleep transition. Sleep Medicine. 2026. DOI: 10.1016/j.sleep.2026.109150. Publié en ligne avant impression; résumé non encore indexé dans PubMed. URL source: https://pubmed.ncbi.nlm.nih.gov/42470900/

Traduit par Lydie

Scroll to Top