The GREENBEAN checklist for reporting studies evaluating the effectiveness of EEG-based biomarkers
Notice bibliographique
Résumé
Advances in digital technology, signal analysis, and data science have led to a rapid increase in papers reporting EEG-based biomarkers. However, wide heterogeneity in study design and reporting poses challenges in assessing the reliability, validity and utility of these biomarkers. In this evolving field, best practices are sometimes debated but not yet rigorously defined, and the appropriate next step is to ensure that validation-focused research manuscripts report key methodological factors that are known or suspected to influence results. To assist authors in designing and reporting validation studies of EEG biomarkers, and to help editors and regulatory bodies evaluate them, an international working group-under the auspices of the International Federation of Clinical Neurophysiology (IFCN) and in collaboration with the EQUATOR Network-developed the Guidelines for Reporting EEG/Neurophysiology Biomarker Evaluation for Application to Neurology and Neuropsychiatry (GREENBEAN). EEG biomarker validation studies are classified into four phases, similarly to therapeutic studies. Phases 1-2 are preliminary and do not constitute formal validation. Phase 3 studies provide compelling evidence of validity, while phase 4 studies assess the clinical utility and generalizability of previously validated biomarkers within real-world settings. We provide detailed definitions for each phase, along with a checklist of items to address and report. A detailed Explanation and Elaboration document is included in Supplementary Material with multiple examples of how to design and report EEG biomarker studies. We expect that more transparent reporting regarding experimental design and technical standards will not only enhance short-term biomarker validation efforts but will also enhance methodological research to make future efforts more efficient and effective.
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 | 0,011 | 0,693 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».