Spectral decomposition of EEG microstates in post-traumatic stress disorder
Notice bibliographique
Résumé
Microstates offer a promising framework to study fast-scale brain dynamics in the resting-state electroencephalogram (EEG). However, microstate dynamics have yet to be investigated in post-traumatic stress disorder (PTSD), despite research demonstrating resting-state alterations in PTSD. We performed microstate-based segmentation of resting-state EEG in a clinical population of participants with PTSD (N = 61) and a non-traumatized, healthy control group (N = 61). Microstate-based measures (i.e., occurrence, mean duration, time coverage) were compared group-wise using broadband (1-30 Hz) and frequency-specific (i.e., delta, theta, alpha, beta bands) decompositions. In the broadband comparisons, the centro-posterior maximum microstate (map E) occurred significantly less frequently (d = -0.64, pFWE = 0.03) and had a significantly shorter mean duration in participants with PTSD as compared to controls (d = -0.71, pFWE < 0.01). These differences were reflected in the narrow frequency bands as well, with lower frequency bands like delta (d = -0.78, pFWE < 0.01), theta (d = -0.74, pFWE = 0.01), and alpha (d = -0.65, pFWE = 0.02) repeating these group-level trends, only with larger effect sizes. Interestingly, a support vector machine classification analysis comparing broadband and frequency-specific measures revealed that models containing only alpha band features significantly out-perform broadband models. When classifying PTSD, the classification accuracy was 76 % and 65 % for the alpha band and the broadband model, respectively (p = 0.03). Taken together, we provide original evidence supporting the clinical utility of microstates as diagnostic markers of PTSD and demonstrate that filtering EEG into distinct frequency bands significantly improves microstate-based classification of a psychiatric disorder.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».