在小组级EEG微态分析中的潜在偏差来源

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 生物医学工程 生物医学工程

背景情况:

• 微态分析是高密度电脑电图 (EEG) 数据的宝贵工具.
• 微态分析的方法论最佳实践,特别是关于群组比较的方法,仍然不清楚.
• 微态特征 (地形和时间动态) 可以在个体内和个体之间发生变化,这给分析带来了挑战.

研究的目的:

• 用模拟来比较不同的微态分析方法来分析群体差异.
• 调查使用单独与统一微状态地图对分析结果的影响.
• 提出一种新的方法来减轻微状态组分析中的偏差.

主要方法:

• 使用基于健康对照的真实EEG数据的模拟.
• 两种主要方法进行了比较:为子组推导单独的微状态图,而不是为整个数据集推导单一的图集.
• 作为解决方案,建议对子组地图进行配对分析.

主要成果:

• 使用单独的子组图导致膨胀的I型错误率,当没有真正的群体差异存在时.
• 为不同群体使用单一的地图集将地形效应与其他指标混为一谈.
• 微妙的地形差异显著影响了衍生的微观状态指标.

结论:

• 目前用于组比较的微态分析方法可以引入实质性的偏差.
• 一种统一的地图方法可以掩盖真正的差异,而特定子组的地图可以产生错误的阳性.
• 建议对微状态图进行配对分析,以提高小组研究的准确性和减轻偏差.