On the Reliability of the EEG Microstate Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
EEG microstates represent functional brain networks observable in resting EEG recordings that remain stable for 40-120ms before rapidly switching into another network. It is assumed that microstate characteristics (i.e., durations, occurrences, percentage coverage, and transitions) may serve as neural markers of mental and neurological disorders and psychosocial traits. However, robust data on their retest-reliability are needed to provide the basis for this assumption. Furthermore, researchers currently use different methodological approaches that need to be compared regarding their consistency and suitability to produce reliable results. Based on an extensive dataset largely representative of western societies (2 days with two resting EEG measures each; day one: n = 583; day two: n = 542) we found good to excellent short-term retest-reliability of microstate durations, occurrences, and coverages (average ICCs = 0.874-0.920). There was good overall long-term retest-reliability of these microstate characteristics (average ICCs = 0.671-0.852), even when the interval between measures was longer than half a year, supporting the longstanding notion that microstate durations, occurrences, and coverages represent stable neural traits. Findings were robust across different EEG systems (64 vs. 30 electrodes), recording lengths (3 vs. 2 min), and cognitive states (before vs. after experiment). However, we found poor retest-reliability of transitions. There was good to excellent consistency of microstate characteristics across clustering procedures (except for transitions), and both procedures produced reliable results. Grand-mean fitting yielded more reliable results compared to individual fitting. Overall, these findings provide robust evidence for the reliability of the microstate approach.
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.
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 | 0,001 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle