《Neurobiology of Aging》：Resting EEG as a Condition-Dependent Ageing Phenotype: Periodic and Aperiodic Trajectories, Reliability, and Five-Year Change
编辑推荐：
眼状态在成年期强烈塑造α（alpha）可检测性和频谱估计。α峰可检测性随年龄下降，并在睁眼静息时较低。α频率和非周期性指数（aperiodic exponent）在约五年内下降。水平值测量较测试组后（post-battery）和变化分数对比更可靠。条件感知测量
眼状态在成年期强烈塑造α（alpha）可检测性和频谱估计。α峰可检测性随年龄下降，并在睁眼静息时较低。α频率和非周期性指数（aperiodic exponent）在约五年内下降。水平值测量较测试组后（post-battery）和变化分数对比更可靠。条件感知测量改善脑电图（electroencephalography, EEG）衰老生物标志物的解释。
研究背景：静息态脑电图（electroencephalography, EEG）长期用于人类神经科学。传统衰老研究常以固定频带分析，易将周期性（periodic）谱峰与非周期性（aperiodic）宽带成分混淆；非周期性斜率或偏移变化可改变频带功率，故频带受限效应不能直接解释为振荡活动变化。静息态还受眼状态、警觉、感觉输入等即时状态影响，并含稳定个体差异。纵向与横断面推断不等价，可靠性约束生物标志物解释。因此，研究人员将静息态EEG视为条件依赖性衰老表型，整合眼状态、周期性/非周期性分解、非线性年龄轨迹、可靠性与约五年随访，检验α峰可检测性、谱参数、重测稳定及个体内变化。研究结论表明，眼状态塑造α可检测性与谱估计，α频率和非周期性指数约五年下降，水平值测量较变化分数可靠，条件感知测量改善EEG衰老生物标志物解释。
关键技术方法：使用OpenNeuro数据集ds005385（Dortmund Vital Study），608名20–70岁健康成人，208名约5年随访。64通道actiCAP、BrainAmp DC，FCz在线参考、AFz接地，1,000 Hz采样，250 Hz低通。每节四次静息记录：测试组前和后各3 min闭眼后3 min睁眼。保留前180 s，处理坏导、滤波、重参考、分段；Welch法估计2–40 Hz功率谱，specparam分解周期峰与固定非周期性成分；后部区域；采用广义加性混合模型（generalized additive mixed models, GAMM）、混合逻辑加性模型、逆概率加权广义估计方程（generalized estimating equations, GEE）、组内相关系数（intraclass correlation coefficient, ICC）、Spearman相关、bootstrap与FDR校正。
研究结果：
4.1 样本和记录质量：清单3,264段记录，质控保留3,101段，排除163段；最常见排除为坏导比例过高。208名随访者中1名无有效随访记录，纵向全样本分析纳入207名。
4.2 α峰检测：3,101段中2,633段检出有效后部α峰。闭眼较睁眼峰检出优势比（odds ratio, OR）=7.83，95% CI [4.63, 13.24]，q<.001；年龄非线性函数获支持（q=.002），年龄与眼状态、测试组前后交互未获支持。故峰可检测性被单独报告。
4.3 眼状态效应与频谱谱型：闭眼较睁眼，周期性α峰功率更高，个体α频率（individual alpha frequency, IAF）更低，全局非周期性指数更低，固定频带后部α更高。测试组后较前，周期性α峰功率增加，IAF下降；全局非周期性指数无支持的平均测试组后效应。周期性峰功率的眼状态×前后交互提示小效应并非各眼状态相同。
4.4 年龄轨迹与测试组后效应：全局非周期性指数与年龄呈强非线性关联，全样本α也随成年期变化；条件于检出后，周期性α峰功率随年龄变化，但年龄×眼状态在严格完整样本中不稳定；IAF无支持的基线年龄函数。年龄×测试组前后及年龄×眼状态×前后均未通过多重校正；原文将其解释为无证据而非等价。
4.5 纵向变化与流失敏感性：返回者基线更老且平均全局非周期性指数更低。稳定逆概率权重改善平衡。加权广义估计方程支持条件IAF与全局非周期性指数平均下降；周期性α峰功率和固定频带后部α平均变化未获支持。排除晚触发阳性者后模式不变。
4.6 可靠性、稳定性与稳健性：水平测量短期重测和五年等级稳定性多为中高，固定频带后部α最强。派生对比可靠性不均：IAF基线闭眼减睁眼ICC=.497，低于常用.50边界；固定频带α ICC=.762。测试组后减前跨眼状态一致性弱，ICC=-.041至.259；五年双重差分稳定性低，ρ=.244–.368。主要眼状态方向及无年龄调节前后效应在稳健性分析中稳定。
讨论总结：研究支持静息态EEG为条件依赖性表型，应跨嵌套时间尺度建模：眼状态为即时情境，测试组前后为小时级情境，稳定个体差异跨记录，纵向变化跨年。闭眼增强α可检测性与峰功率，同时改变频率和非周期性背景；峰分析排除无峰记录会改变被描述人群，条件峰结果与全样本频带结果回答不同问题。年龄轨迹显示非周期性指数和全样本α变化，纵向支持α频率减慢和非周期性谱变平；横断面与纵向差异不应互换。水平测量可靠，派生变化分数弱可靠，故个体化监测须直接评估目标变化分数可靠性。规范模型应条件特异并报告峰可检测性；非周期性指数有前景但效应小至中等，非诊断阈值。优势包括宽年龄、四次记录、纵向随访、可审计流程、多重校正与稳健性；局限包括样本选择、非随机流失、仅两波、眼状态顺序固定、无匹配无任务对照、specparam依赖、未检验性别×年龄。
研究结论翻译：成年期静息态脑电最好理解为条件依赖性衰老表型。眼状态显著改变α峰可检测性以及周期性和非周期性特征表现；年龄组织测量特异性群体轨迹；纵向随访支持可检测α频率和非周期性指数平均下降。同时，水平测量较测试组后或双重差分变化分数更可靠，数据未提供年龄系统性调节测试组后变化的证据。有效全生命周期推断需明确建模记录情境、特征可检测性、流失和精确推断数量的可靠性。
