Inter-individual variability during neurodevelopment: an investigation of linear and nonlinear resting-state EEG features in an age-homogenous group of infants
Notice bibliographique
Résumé
Electroencephalography measures are of interest in developmental neuroscience as potentially reliable clinical markers of brain function. Features extracted from electroencephalography are most often averaged across individuals in a population with a particular condition and compared statistically to the mean of a typically developing group, or a group with a different condition, to define whether a feature is representative of the populations as a whole. However, there can be large variability within a population, and electroencephalography features often change dramatically with age, making comparisons difficult. Combined with often low numbers of trials and low signal-to-noise ratios in pediatric populations, establishing biomarkers can be difficult in practice. One approach is to identify electroencephalography features that are less variable between individuals and are relatively stable in a healthy population during development. To identify such features in resting-state electroencephalography, which can be readily measured in many populations, we introduce an innovative application of statistical measures of variance for the analysis of resting-state electroencephalography data. Using these statistical measures, we quantified electroencephalography features commonly used to measure brain development-including power, connectivity, phase-amplitude coupling, entropy, and fractal dimension-according to their intersubject variability. Results from 51 6-month-old infants revealed that the complexity measures, including fractal dimension and entropy, followed by connectivity were the least variable features across participants. This stability was found to be greatest in the right parietotemporal region for both complexity feature, but no significant region of interest was found for connectivity feature. This study deepens our understanding of physiological patterns of electroencephalography data in developing brains, provides an example of how statistical measures can be used to analyze variability in resting-state electroencephalography in a homogeneous group of healthy infants, contributes to the establishment of robust electroencephalography biomarkers of neurodevelopment through the application of variance analyses, and reveals that nonlinear measures may be most relevant biomarkers of neurodevelopment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».