儿童静息态脑电数据处理与分析的异质性

发展性静息态脑电图(EEG)正在快速获得普及，不仅被应用于大规模研究中，而且最近世界卫生组织的一份报告将静息态EEG列为脑健康的金标准测量方法。随着人们对静息态EEG作为神经认知潜在生物标志物的兴趣增加，确保静息态EEG研究结果的可靠性和可重复性变得至关重要。对可重复性和再现性的主要威胁之一来自预处理和分析方法的差异。发展性EEG领域面临的一个主要挑战是从婴幼儿和儿童那里获取数据具有挑战性，这通常使得数据清理和分析变得困难且缺乏标准化。本文的目标是了解该领域专家们报告的他们将如何清理和分析一个假设数据集的方法现状。在此我们报告了66位发展性心理生理学专家的回应，其中没有人提交了相同的预注册方案。正如预期的那样，存在共识度高低不同的领域，但最终，我们认为我们的发现突出了开展核心方法学工作和建立领域共识的机会。本文发表在Psychophysiology杂志。

1 引言

     发展性静息态脑电图(EEG)是一种测量儿童"静息"状态下脑活动的方法，被认为可以传达有关儿童神经发育的信息。广义上说，静息态EEG通常在婴幼儿或儿童与照护者一起坐着或坐在椅子上观看中性刺激时记录。随着儿童年龄增长，通常也会在睁眼和闭眼条件下评估静息态EEG。在这些记录之后，脑活动通常以不同频带(用希腊字母表示：delta、theta、alpha、beta和gamma)中脑振荡幅度(功率)的形式来量化——这些被认为对神经认知具有功能意义。

     在儿童中，静息态EEG测量通常被认为是学习和认知能力(如语言、执行功能、智商)的早期标记，许多研究显示其与神经认知发展和心理健康有前瞻性关联。此外，早期静息态EEG测量对已知对神经发育有重大影响的早期经历表现出敏感性,如母亲压力、照护中断和社会经济地位。更有前途的是，早期静息脑活动似乎对早期干预敏感，可能为干预成功提供标记。由于早期静息态EEG测量具有巨大的前景和潜在用途，它正被纳入一些最大规模的儿童发展研究中。

      发展性EEG领域面临的主要挑战之一是从婴幼儿和儿童获取数据的困难，这往往使发展研究人员面临难以清理和处理的混乱数据。因此，发展性EEG领域通常需要修改成人EEG处理中使用的神经科学标准,以从儿科人群获得可用数据。这些妥协发生在各个层面，包括刺激创建、任务编程和适应、记录环境和记录持续时间，但在EEG数据清理和分析中最为明显。婴幼儿和儿童的EEG数据通常受到非系统性伪迹的困扰，这些在数据清理过程中难以或无法完全消除，可能导致大量数据丢失。增加复杂性的是，真实EEG信号的数据模式和特性随着大脑发育而变化。发展性EEG研究人员必须在清除伪迹和保留足够数据以进行可靠分析之间取得微妙平衡。

     数据保留和质量之间的矛盾导致了各种针对发展性EEG的独特数据清理和分析技术。虽然许多做法(如手动编辑或私有的定制处理流程)的初衷是为了用高质量数据提出良好的科学问题，但这也威胁到了发展性EEG工作的可重复性。为了增加发展性EEG方法的趋同性这一长期目标，本文旨在评估发展性EEG研究人员偏好方法的当前变异程度。为此，我们通过调查评估当前发展性EEG专家偏好的处理和分析方法来描述该领域的现状。

     与成人研究相比，发展性EEG领域历来发表的方法学工作相对较少，分析方法的共识也较少。在成人研究中，已有多篇文章旨在建立EEG处理的领域级共识，但在发展性文献中这种情况较少。然而，目前正在进行多项工作以改进发展性EEG的分析技术、可靠性和可重复性。过去十年的工作出现了专注于发展的标准化预处理流程，如MADE、HAPPE和APICE，以及一些方法学工作。但是，清理、分析和统计方法仍缺乏共识。

2 方法 

2.1 参与者和纳入标准 

     本研究旨在调查自认为是发展性EEG处理专家的研究人员。共有102位研究人员参与。最终分析纳入66位参与者，包括:30%博士生、24%博士后、8%研究或科研人员、2%兼职教授、17%助理教授、14%副教授和6%正教授。已发表的儿科静息态EEG文章数量从0到30+篇不等。

2.2 EEG调查设计 

     调查包括两部分:首先要求参与者为低密度数据集预注册其预处理和分析参数,然后询问他们对高密度数据集会做出哪些改变。

2.2 脑电图调查设计 

     脑电图调查部分包含两个部分(完整调查见附录A)。首先,要求参与者预先注册低密度数据集的预处理和分析参数。其次,询问他们对高密度数据集会做出哪些改变(具体内容见补充材料,括号内为概要)。提示内容如下:

    “好消息!脑电图精灵在您家门口放了一个数据集!您的任务是尽最大能力分析这些数据。这些数据来自一项随机对照试验(RCT),包含治疗组和对照组两个组别。您将使用 Theta、Alpha、Beta 和 Gamma 频段的数据来检验组间差异和个体差异。但是,要分析这些数据,您必须预先注册整个处理和分析流程。

      以下是关于数据集的信息:

      参与者:600名婴儿分为两组

      参与者年龄:12个月