摘要：EEG微状态是在静息态EEG记录中观察到的代表功能性脑网络的状态，在快速切换到另一个网络之前保持稳定40-120ms。人们认为微状态特征(如持续时间、发生率、覆盖率和转换概率)可以作为精神和神经系统疾病以及心理社会特征的神经标志物。然而，需要可靠的重测信度数据

摘要

EEG微状态是在静息态EEG记录中观察到的代表功能性脑网络的状态，在快速切换到另一个网络之前保持稳定40-120ms。人们认为微状态特征(如持续时间、发生率、覆盖率和转换概率)可以作为精神和神经系统疾病以及心理社会特征的神经标志物。然而，需要可靠的重测信度数据以支持这一假设。此外，研究人员目前使用的不同方法，需要比较其一致性和适用性，以产生可靠的结果。

本研究基于一个大规模的数据集(2天，每个人进行两次静息态EEG测量)，研究结果发现微状态持续时间、发生率和覆盖率的短期重测信度为良好到极好。即使测量间隔超过半年，这些微状态特征也具有良好的总体重测信度，这支持了长期以来微状态持续时间、发生率和覆盖率代表稳定的神经特征的观点。这些发现在不同的脑电系统(64个电极vs.30个电极)、记录长度(3分钟vs.2分钟)和认知状态(实验前vs.实验后)中具有稳健性。然而，本研究结果发现转换概率的重测信度较差。微状态特征在聚类方法(转换率除外)中具有良好到极好的一致性，并且这两种方法都产生了可靠的结果。与个体拟合相比，总体均值拟合的结果更可靠。这些发现为微状态方法的可靠性提供了强有力的证据。

材料和方法

数据和样本

本研究数据是在多特蒙德生命研究(DVS)的背景下收集的，该数据集在年龄、基因、认知能力和就业方面基本上代表了德国工作人群(20-70岁)。第一天与第二天的样本量分别为：（n=583；n=542）。

EEG记录和预处理

在测试完成前后记录闭眼静息态EEG。第一天，使用64导联Ag-AgCI脑电系统(actiCap；Brain Products，Gilching，Germany)。在线采样率为1000Hz，FCz为参考电极，AFz为接地电极。第二天，使用30导联Ag-AgCI脑电系统(BioSemi B.V.，Amsterdam，Netherlands)，在线采样率为2048Hz。

脑电微状态分析

使用Koenig(2017；v1.2)的EEGLAB微状态工具箱获得，拟合过程得到了每个个体连续的微状态地形图序列。

统计分析

本研究计算了组内相关系数(ICCs)来检验微状态特征的重测信度和方法一致性。ICCs小于0.50、0.50~0.75、0.75~0.90、大于0.90分别表示较差、中等、良好和极好的信度。为了便于理解，本研究还计算了微状态持续时间、发生率和覆盖率的平均ICCs，以及转换类型之间的微状态转换的平均ICCs。为此，使用Fisher'z对ICC进行转换，取平均值，并将z值重新转换为平均相关性。

结论

研究结果发现微状态持续时间、发生率和覆盖率的短期重测信度为良好到极好。即使测量间隔超过半年，这些微状态特征也具有良好的总体重测信度，这为脑电微状态特征的短期和长期重测可靠性提供了强有力的证据，支持了长期以来微状态持续时间、发生率和覆盖率代表稳定的神经特征的观点。此外，k均值聚类和AAHC均产生了可靠的结果，而与个体拟合相比，总体均值拟合产生了更好的可靠性。这是标准化微状态研究以及最终在基础研究和临床环境中使用微状态作为生物标志物的关键一步。

来源：茗创科技