Intra- and Inter-Regional Complexity in Multi-Channel Awake EEG Through Multivariate Multiscale Dispersion Entropy for Assessing Sleep Quality and Aging
Notice bibliographique
Résumé
Aging and poor sleep quality are associated with altered brain dynamics, yet current electroencephalography (EEG) analyses often overlook regional complexity. This study addresses this gap by introducing a novel integration of intra- and inter-regional complexity analysis using multivariate multiscale dispersion entropy (mvMDE) from awake resting-state EEG for the first time. Moreover, assessing both intra- and inter-regional complexity provides a comprehensive perspective on the dynamic interplay between localized neural activity and its coordination across brain regions, which is essential for understanding the neural substrates of aging and sleep quality. Data from 58 participants-24 young adults (mean age = 24.7 ± 3.4) and 34 older adults (mean age = 72.9 ± 4.2)-were analyzed, with each age group further divided based on Pittsburgh Sleep Quality Index (PSQI) scores. To capture inter-regional complexity, mvMDE was applied to the most informative group of sensors, with one sensor selected from each brain region using four methods: highest average correlation, highest entropy, highest mutual information, and highest principal component loading. This targeted approach reduced computational cost and enhanced the effect sizes (ESs), particularly at large scale factors (e.g., 25) linked to delta-band activity, with the PCA-based method achieving the highest ESs (1.043 for sleep quality in older adults). Overall, we expect that both inter- and intra-regional complexity will play a pivotal role in elucidating neural mechanisms as captured by various physiological data modalities-such as EEG, magnetoencephalography, and magnetic resonance imaging-thereby offering promising insights for a range of biomedical applications.
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 | 0,000 | 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 ».