[論文レビュー] EEG-connectivity: A fundamental guide and checklist for optimal study design and evaluation

Aleksandra Miljevic, Neil W. Bailey+3 more|arXiv (Cornell University)|Aug 31, 2021

Functional Brain Connectivity Studies被引用数 6

ひとこと要約

本論文は、EEG結合性研究の設計および評価のための包括的ガイドおよび標準化されたチェックリストを提示しており、データ処理、参照、アーチファクト除去、統計的制御におけるメソドロジカルなばらつきに対処している。本研究は、主要な混同要因を特定し、強固なEEG結合性推定のための証拠に基づく推奨事項を提示することで、研究間の再現可能性と比較可能性を向上させる。

ABSTRACT

Brain connectivity can be estimated through a wide number of analyses applied to electroencephalographic (EEG) data. However, substantial heterogeneity in the implementation of connectivity methods exist. Heterogeneity in conceptualization of connectivity measures, data collection, or data pre-processing may be associated with variability in robustness of measurement. While it is difficult to compare the results of studies using different EEG connectivity measures, standardization of processing and reporting may facilitate the task. We discuss how factors such as referencing, epoch length and number, controls for volume conduction, artefact removal, and statistical control of multiple comparisons influence the EEG connectivity estimate for connectivity measures, and what can be done to control for potential confounds associated with these factors. Based on the results reported in previous literature, this article presents recommendations and a novel checklist developed for quality assessment of EEG connectivity studies. This checklist and its recommendations are made in an effort to draw attention to factors that may influence connectivity estimates and factors that need to be improved in future research. Standardization of procedures and reporting in EEG connectivity may lead to EEG connectivity studies to be made more synthesisable and comparable despite variations in the methodology underlying connectivity estimates.

研究の動機と目的

• EEG結合性研究における顕著なメソドロジカルなばらつきが、比較可能性と再現可能性を阻害するという問題に対処する。
• 参照法、エポック長、体積伝導、アーチファクト除去、多重比較といった、EEG結合性推定に影響を与える重要な要因を特定する。
• EEG結合性研究における研究設計および報告を標準化するための構造的で証拠に基づいたチェックリストを提供する。
• 透明で一貫したメソドロジーを通じて、将来のEEG結合性研究の質と統合可能性を向上させる。
• データ処理および分析における混同要因とベストプラクティスを強調することで、メソドロジカルな厳密さを促進する。

提案手法

• EEG結合性に関する既存の文献を体系的にレビューし、それらのメソドロジカルな変動と結合性推定への影響を同定する。
• 電極の参照法、エポックの持続時間および数、体積伝導、およびアーチファクト補正手法を含む、EEG結合性に影響を与える主要なメソドロジカル要因を分類する。
• 最適な参照法やアーチファクト除去プロトコル（例：ICAベースの手法）を含む、標準化されたデータ前処理手順を提案する。
• 多重比較の統計的制御を統合し、結合性推定における偽陽性率の低減を図る。
• EEG結合性研究における研究設計、データ処理、報告のための、革新的で証拠に基づいたチェックリストを開発する。
• 先行研究からの実証的発見に基づいて推奨事項を提示することで、メソドロジカルな妥当性と実用的適用性を確保する。

実験結果

リサーチクエスチョン

• RQ1 EEG結合性解析におけるどのメソドロジカル要因が、結合性推定の信頼性および妥当性に最も顕著に影響を与えるか？
• RQ2 参照法、エポック長、およびアーチファクト除去は、EEGデータにおける機能的結合性の推定にどのように影響を与えるか？
• RQ3 体積伝導および多重比較がEEG結合性の結果をどの程度歪め、それらをどのように制御できるか？
• RQ4 どのような標準化された手順が、異なる研究グループ間でのEEG結合性研究の再現可能性と比較可能性を向上させるか？
• RQ5 統一されたチェックリストは、EEG結合性研究の質と透明性をどの程度向上させることができるか？

主な発見

• 参照法、エポッチング、およびアーチファクト処理におけるEEG結合性メソドロジーのばらつきは、結合性推定の頑健性および比較可能性に顕著に影響を与える。
• 体積伝導の影響は、コherエンスや位相差インデックスなどのマグニチュードベースの指標において、結合性測定を混同させる可能性があるため、適切な補正戦略が不可欠である。
• 多重比較の不十分な制御は、特に高次元のEEGデータにおいて、偽陽性の結果が生じるリスクを高める。
• 最適な参照法やアーチファクト除去（例：ICA）を含む標準化された前処理パイプラインは、信頼性の高い結合性推定に不可欠である。
• 提案されたチェックリストは、メソドロジカルな透明性を向上させ、EEG結合性研究における品質評価のフレームワークを提供する。
• チェックリストの採用により、根本的な結合性指標の違いがあるにかかわらず、EEG結合性研究の統合可能性が向上する。