EEG-Meta-Microstates: Towards a More Objective Use of Resting-State EEG Microstate Findings Across Studies
Notice bibliographique
Résumé
Over the last decade, EEG resting-state microstate analysis has evolved from a niche existence to a widely used and well-accepted methodology. The rapidly increasing body of empirical findings started to yield overarching patterns of associations of biological and psychological states and traits with specific microstate classes. However, currently, this cross-referencing among apparently similar microstate classes of different studies is typically done by "eyeballing" of printed template maps by the individual authors, lacking a systematic procedure. To improve the reliability and validity of future findings, we present a tool to systematically collect the actual data of template maps from as many published studies as possible and present them in their entirety as a matrix of spatial similarity. The tool also allows importing novel template maps and systematically extracting the findings associated with specific microstate maps from ongoing or published studies. The tool also allows importing novel template maps and systematically extracting the findings associated with specific microstate maps in the literature. The analysis of 40 included sets of template maps indicated that: (i) there is a high degree of similarity of template maps across studies, (ii) similar template maps were associated with converging empirical findings, and (iii) representative meta-microstates can be extracted from the individual studies. We hope that this tool will be useful in coming to a more comprehensive, objective, and overarching representation of microstate findings.
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 | 0,079 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,048 | 0,036 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».