推进儿科EEG数据的报告:用于估计可靠性,效果大小和数据质量指标的工具
Wenyi Xu1, Alexa D Monachino1, Sarah A McCormick2
1Department of Psychology, University of Southern California, USA.
Developmental cognitive neuroscience
|October 31, 2024
概括
一个新的工具箱通过量化可靠性和效果大小来增强儿科EEG研究. 这提高了发育神经科学研究中的数据质量指标和可重现性.
科学领域:
- 神经科学是一个神经科学.
- 发育神经科学的发展神经科学.
- 儿科EEG研究 儿科EEG研究
背景情况:
- 脑电图 (EEG) 研究对于理解大脑发育至关重要.
- 可靠性和可重现性至关重要,但在儿科EEG研究中经常被低估.
- 缺乏可访问的工具阻碍了对EEG数据关键特征的量化.
研究的目的:
- 开发一个用户友好的工具箱来估计EEG数据的可靠性,效果大小和测量误差.
- 为研究设计和参与者纳入提供关于最佳试验数量的见解.
- 促进在发育神经科学中报告数据质量指标.
主要方法:
- 开发一个用于EEG数据分析的计算工具箱.
- 将工具箱集成到共同的EEG预处理管道中.
- 估计内部一致性可靠性,效果大小和标准化测量误差.
主要成果:
- 该工具箱有助于计算和解释可靠性和效果大小指标.
- 部分样本可靠性和效果大小估计为最佳试验数量提供信息.
- 增强在发育神经科学中的数据质量指标的报告是可以实现的.
结论:
- 开发的工具箱解决了关键EEG数据特征报告不足的问题.
- 它提高了儿科EEG研究的可靠性和可重复性.
- 该工具支持在发育神经科学中进行强大的研究设计和数据解释.
