Effect of analytical variability in estimating EEG-based functional connectivity
Notice bibliographique
Résumé
Abstract The significant degree of variability and flexibility in neuroimaging analysis approaches has recently raised concerns. When running any neuroimaging study, the researcher is faced with a large number of methodological choices, often made arbitrarily. This can produce substantial variability in the results, ultimately hindering research replicability, and thus, robust conclusions. Here, we addressed the analytical variability in the EEG source connectivity pipeline and its effects on outcomes consistency. Like most neuroimaging analyses, the EEG source connectivity analysis involves the processing of high-dimensional data and is characterized by a complex workflow that leads to high analytical variability. In this study, we focused on source functional connectivity variability induced by three key factors along the analysis pipeline: 1) number of EEG electrodes, 2) inverse solution algorithms, and 3) functional connectivity metrics. Outcomes variability was assessed in terms of group-level consistency, inter-, and intra-subjects similarity, using resting-state EEG data (n = 88). As expected, our results showed that different choices related to the number of electrodes, source reconstruction algorithm, and functional connectivity measure substantially affect group-level consistency, between-, and within-subjects similarity. We believe that the significant impact of such methodological variability represents a critical issue for neuroimaging studies that should be prioritized. Highlights The significant impact of methodological variability is a recognized critical priority issue for neuroimaging studies. Analytical variability related to the number of electrodes, source reconstruction algorithm, and functional connectivity measure is a prominent issue in the EEG source connectivity analysis. Group-level consistency, between-, and within-subjects similarity are substantially affected by analytical variability in the EEG source connectivity analysis.
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 | 0,036 | 0,231 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».