Resting State EEG Variability and Implications for Interpreting Clinical Effect Sizes
Notice bibliographique
Résumé
Resting state electroencephalography (rsEEG) is widely used to investigate intrinsic brain activity, with the potential for detecting neurophysiological abnormalities in clinical conditions from neurodegenerative disease to developmental disorders. When interpreting quantitative rsEEG changes, a key question is: how much deviation from a healthy normal brain state indicates a clinically significant change? Here, we build on the existing rsEEG variability literature by quantifying how this baseline rsEEG range can be attributed to common but underinvestigated sources of variability: experiment day, time of day, and pre-recording exercise level. We found that even within individuals, frequency band powers and entropy measures can vary by 7% (sample entropy and relative alpha power) to 28% (absolute delta power). Absolute and relative delta power increased significantly after running, while relative theta power decreased significantly. Relative beta and gamma power were significantly higher in the afternoon compared to morning trials. Sample entropy and alpha power were relatively consistent. The coefficients of variability we found are similar to some clinical rsEEG effect sizes identified in prior literature, bringing into question the clinical significance of these effect sizes. Furthermore, time of day and activity level accounted for more rsEEG variability than experiment day, indicating the potential to reduce variability by controlling for these factors in repeated-measures studies.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 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 ».