《Psychophysiology》：Heartbeat-Evoked Responses in M/EEG: A Systematic Review of Methods With Suggestions for Analysis and Reporting
编辑推荐：
本综述系统梳理了132项HER（心跳诱发反应）研究，揭示了该领域在数据采集、预处理、CFA（心脏场伪迹）处理及统计分析等方面存在的高度异质性。高达80%的关键步骤信息缺失，且仅不足33%的研究具备足够的统计效力。为此，文章提供了全面的报告与质控清单及交互数据集，旨在提升HER研究的稳健性、可重复性与透明度，推动脑-体交互研究标准化。
在探索大脑与身体复杂对话的科研前沿，心跳诱发反应（Heartbeat-Evoked Responses, HERs）如同一扇独特的窗口。通过脑电图（EEG）或脑磁图（MEG）记录，HERs反映了大脑对每一次心跳的锁定反应，被广泛用作研究脑-体交互和心脏内感受（cardiac interoception）的关键生物标志。然而，这个充满潜力的领域正面临着一个严峻挑战：研究结果呈现出巨大的差异性。这种差异背后，方法学的巨大异质性和关键信息报告不全可能是重要原因。为了凝聚共识、提升研究质量，一项针对132项已发表的HER研究的系统性评述应运而生，为我们绘制了一幅当前研究实践的“全景地图”，并指明了通往更稳健未来的路径。
方法学异质性的全景图
本次评述揭示，从数据采集到统计分析的几乎每一个环节，HER研究都缺乏统一的标准，呈现出“各自为政”的局面。这种异质性可以通过香农熵（Shannon entropy）进行量化，数值越高代表选择越分散。结果显示，大多数处理步骤的熵值都接近1，表明方法选择极为多样。例如，在数据预处理中，高通滤波器的截止频率选择五花八门，常见的有0.1 Hz、0.5 Hz和1 Hz，而低通滤波器则多设置在40 Hz左右。在脑电数据分析中，虽然在线参考电极（记录时使用）种类较多（如链接乳突、Cz等），但离线重参考（分析时使用）则相对集中，共同平均参考（Common Average Reference, CAR）成为最主流的选择（占45%的流程），有研究指出这可能带来更一致的结果。
更值得关注的是，高达80%的研究未能报告其心电（ECG）接地电极的位置，而对于去除心脏场伪迹（Cardiac Field Artifact, CFA）——这个HER研究特有的核心挑战——所需的关键信息，如被剔除的独立成分（Independent Components, ICs）数量，也有71%的研究未曾提及。此外，用于计算HER的心跳周期数量、记录时长、ECG滤波参数、R/T波检测算法以及HER分析的基线窗口等关键参数，未报告的比例也高达45%至61%。这种普遍的信息缺失，严重阻碍了研究的复现和比较。
应对心脏“噪音”的多元策略
由于HER锁定于心跳，心脏本身电活动产生的CFA会通过容积传导直接污染M/EEG信号，且无法通过多次 trials 平均来消除，这构成了HER分析的首要难题。为此，研究者们发展出三种主要策略：避开伪迹时段、从数据中清除伪迹，或在统计分析中将心脏活动作为混淆因素纳入。
独立成分分析（ICA）是清除CFA最主流的手段，52%的研究使用了该方法。然而，其实施方式也各不相同：76%的研究将其应用于连续数据，24%则用于分段后的数据。在识别心脏相关独立成分时，超过一半（54%）的研究依赖手动判断，主要依据成分的时程、拓扑图或功率谱；自动（19%）和半自动（13%）方法也占有一定比例。值得注意的是，只有29%的研究报告了剔除的心脏成分数量，通常为1到3个。除了ICA，其他方法如电流源密度分析（CSD, 8.3%）、回归去除ECG信号（6.8%）等也有应用。
另一种常见思路是“避其锋芒”，即选择CFA影响较小的时间窗进行分析。约21%的研究采用了此策略，但选择的时间范围差异很大。有的研究避开R波后0-200 ms的早期时段，有的则遵循早期研究建议，将分析集中在R波后约455-595 ms的“安全窗口”。此外，13%的研究会基于最小RR间期（范围在350-750 ms）来剔除间隔过短的心跳，以避免相邻HER或伪迹的重叠，但这可能在不同心率组间引入 trial 数量不平衡的新问题。
从锁时到统计：结果的不确定性
在量化HER信号时，振幅是绝对主导的指标（97%的研究）。在锁时参考点的选择上，R波占据压倒性优势（93.2%），仅有少数研究使用T波（4.5%）或两者兼用（2.3%）。基线校正作为ERP分析的常规步骤，在HER研究中却存在争议，因为短暂的心跳周期可能导致前一个周期的活动影响下一个周期的“基线”。高达39%的研究甚至未明确报告是否进行了基线校正。
在确定兴趣区和统计方法上，做法也各不相同。约67%的研究会预先定义分析的时空窗口（初级分析），而33%的研究则采用“两步法”，先根据数据本身确定效应出现的窗口，再进行统计（次级分析），这需要谨慎避免循环分析。统计方法上，约41%的研究使用在预设时空窗口内取平均值的传统方法，26%使用探索性更强的聚类置换检验（cluster-based permutation test），33%则两者都用。有趣的是，比较发现，基于R波的分析中，聚类检验识别出的HER效应峰值出现时间（约250 ms）显著早于平均值法（约490 ms），这可能由于前者扫描了更宽的时间范围。在空间上，平均值法多聚焦于额中央区电极，而聚类检验通常包含全脑电极。
统计效力的警示与报告透明化的呼唤
对研究统计效力的评估敲响了警钟。通过估算在80%统计功效和5%显著性水平下可检测到的最小效应量（Hedges‘ g），并将其与一项早期HER元分析报告的实际效应量比较，发现仅有不足33%的研究流程有能力检测到该元分析中最大的效应（g=0.72，与唤醒度相关）。对于更小的效应（如g=0.35，与内感受表现相关），高达99%的流程可能都无法可靠探测。这表明，当前HER领域的大量研究可能统计效力不足，影响了结果的可靠性和可重复性。
此外，仅有6.8%的研究报告了不显著的HER结果，提示可能存在发表偏倚。仅有3.8%的研究提到了预注册，没有注册报告。为了提高研究的稳健性，强烈建议推行预注册、进行功效分析、明确“有意义的最小效应量”，并使用贝叶斯统计或等效性检验来支持“无效应”的结论。
构建更稳健的未来：清单与共享
为应对上述挑战，本评述最后提出了一份详尽的HER分析与报告质量控检查清单，并公开了完整的提取数据集及交互式版本。清单从实验设计、数据预处理、CFA处理、统计分析与控制分析等多个维度，给出了具体的报告建议和质控要点。例如，在控制分析方面，65%的研究纳入了ECG或心跳相关控制，常见做法包括将ECG作为回归模型中的非兴趣变量（45%），或控制RR间期（34%）、心率变异性（26%）等。另有19%的研究使用了替代心跳控制分析或数据随机化方法来验证效应确实与心跳锁时，而非其他混杂因素相关。
总而言之，这篇系统评述如同一份详尽的“诊断书”，既揭示了HER研究方法学上的高度异质性与报告透明度的不足，也为其未来的健康发展开具了“药方”：通过采用标准化报告清单、提高方法透明度、加强研究设计与统计效力，以及共享数据与工具，来共同推动HER研究迈向更严谨、更可重复、更具共识的新阶段。
