《European Journal of Investigation in Health, Psychology and Education》:An Exploratory Age-Adjusted Model of Individual Alpha Peak Frequency in Healthy Older Adults: A FOOOF-Based Spectral Parametrization Study
编辑推荐:
个体α峰值频率(iAPF)是一个稳定的神经生理学标志物,与认知处理和健康大脑衰老相关。然而,在老年人中,对α活动的解释仍然受到固定经典频带使用的限制,这可能无法充分捕捉与年龄相关的减慢。本研究的目的是利用基于FOOOF的静息态脑电图频谱参数化,开发一个认知健康
个体α峰值频率(iAPF)是一个稳定的神经生理学标志物,与认知处理和健康大脑衰老相关。然而,在老年人中,对α活动的解释仍然受到固定经典频带使用的限制,这可能无法充分捕捉与年龄相关的减慢。本研究的目的是利用基于FOOOF的静息态脑电图频谱参数化,开发一个认知健康老年人iAPF的探索性年龄调整模型。从PDWAVES数据库中选取了81名年龄在52–87岁的参与者。研究人员分析了九个顶枕电极的静息态闭眼脑电图记录,并在分离周期性和非周期性频谱成分后,将iAPF定义为7–14 Hz范围内最高α峰的中心频率。线性回归显示年龄与iAPF之间存在显著的负相关,由方程iAPF = 13.22 ? 0.054 × 年龄(F(1,79) = 19.56, p < 0.001)描述,表明每十年平均下降0.54 Hz。年龄解释了19.8%的方差(R2 = 0.198),平均iAPF为9.527 ± 1.064 Hz。Bootstrap重抽样确认了年龄–iAPF关联在统计上是可靠的(斜率95%置信区间不包括零),尽管交叉验证表明在保留数据上的预测性能有限(10折平均R2 = 0.019;LOOCV R2 = 0.155)。这些发现提供了一个初步的年龄调整参考方程,用于描述群组水平上健康老年人的iAPF轨迹,并支持在衰老研究中将频谱参数化作为固定频带方法的更具体替代方案。
脑电图(EEG)的α频带(8–12 Hz)是静息态闭眼条件下后部脑区最突出的振荡成分,其个体α峰值频率(iAPF)被视为稳定的神经生理学标志物,与认知处理速度和健康大脑衰老密切相关。然而,传统研究依赖固定经典频带(如8–12 Hz)分析α活动,可能因老年人α频率随年龄减缓而偏离经典边界,导致生理解释偏差。此外,EEG频谱由周期性和非周期性成分混合而成,常规方法难以区分,进一步混淆了年龄相关变化。为此,研究人员利用FOOOF(Fitting Oscillations and One-Over-F)频谱参数化方法分离周期性与非周期性成分,旨在建立认知健康老年人iAPF的探索性年龄调整模型,以更精确地描述群组水平上的α减缓轨迹。该论文发表在《European Journal of Investigation in Health, Psychology and Education》。
研究人员从PDWAVES数据库(来源:罗马大学,eBRAIN-Health平台)选取81名认知健康参与者(年龄52–87岁,MMSE≥24,排除神经精神疾病及慢性药物使用)。主要关键技术方法包括:静息态闭眼EEG记录,经独立成分分析(ICA)去眼动伪迹、GEDAI自动去噪、0.5–45 Hz带通滤波及峰值-峰值>100 μV伪迹剔除后,分割为2秒无伪迹片段;采用Welch法(2–25 Hz,分辨率约0.24 Hz)计算功率谱密度(PSD),并平均于9个顶枕电极(Pz, P3, P4, O1, O2, Oz, POz, PO3, PO4,实际可用6个);使用FOOOF算法参数化频谱,设定峰宽限制[1,6] Hz、最多6个峰、最小峰高0.05、峰阈值2.0,非周期性成分采用固定模式(无膝点)拟合;iAPF定义为7–14 Hz范围内最高周期性峰的中心频率。统计方法包括线性回归、模型比较(二次、分段、样条)、10折交叉验证与留一法交叉验证(LOOCV)、Bootstrap重抽样(1000次)及影响诊断(Cook距离)。
研究结果如下:
3.1 Distribution of the iAPF(iAPF分布):通过FOOOF参数化,所有81名参与者均成功检测到α峰(检测率100%),平均iAPF为9.527 ± 1.064 Hz,中位数9.431 Hz,四分位距8.815–10.185 Hz。
3.2 Linear Regression Model(线性回归模型):线性回归显示年龄与iAPF显著负相关(F(1,79)=19.56, p<0.001),方程iAPF = 13.22 ? 0.054 × 年龄,每十年下降0.54 Hz。年龄解释19.8%方差(R
2=0.198),调整R
2=0.188,RMSE=0.947 Hz,MAE=0.725 Hz。模型比较(二次、分段、样条)未发现非线性拟合显著改善,保留线性模型。
3.3 Model Validation(模型验证):10折交叉验证平均R
2=0.019 ± 0.376,MAE=0.738 Hz,RMSE=0.918 Hz,存在负值表明折内方差估计不稳定;置换检验显示交叉验证R
2显著高于随机水平(p=0.001)。LOOCV给出更稳定估计:R
2=0.155,MAE=0.744 Hz,RMSE=0.972 Hz,斜率均值?0.054 Hz/年(SD=0.001),置换检验p<0.001。Bootstrap 95%置信区间:截距β
0 [11.46, 15.16] Hz,斜率β
1 [?0.082, ?0.030] Hz/年,R
2 [0.067, 0.368]。影响诊断发现4个高影响力案例,排除后斜率变化仅2.5%,稳健回归结果一致。敏感性分析(窄搜索范围8–13 Hz)确认斜率稳定。
3.4 FOOOF Goodness-of-Fit and Exploratory Analysis of Aperiodic Parameters(FOOOF拟合优度与非周期性参数探索性分析):FOOOF平均拟合R
2=0.936 ± 0.079,平均拟合误差0.068 ± 0.017,平均检测周期峰数4.93 ± 1.06,平均α峰幅度1.178 ± 0.477,半高全宽1.657 ± 0.811 Hz。非周期性指数(mean=0.711 ± 0.367)与年龄无显著相关(r=?0.121, p=0.280),但与iAPF显著负相关(r=?0.299, p=0.007),控制年龄后偏相关r=?0.397(p=0.0002)。探索性多元回归(年龄+非周期性指数)解释32.5%方差,优于年龄单独模型。
3.5 Comparison of FOOOF-Derived and Conventional PSD-Based iAPF Estimates(FOOOF衍生与常规PSD-based iAPF估计比较):FOOOF法与常规PSD峰值法中度相关(r=0.707, p<0.001),平均绝对差0.377 ± 0.719 Hz,16.0%参与者差异>0.5 Hz。FOOOF法年龄–iAPF斜率?0.054 Hz/年(R
2=0.198),而PSD法斜率仅?0.027 Hz/年(R
2=0.055),表明非周期性背景混淆常规检测。
3.6 Exploratory Multiple Regression: Effect of Sex(性别探索性多元回归):性别作为预测变量不显著(β=0.003, p=0.989),年龄斜率不变,交互项不显著,年龄性别模型AIC更高,保留年龄唯一模型。
3.7 Exploratory Regression: Effect of MMSE and Education(MMSE与教育程度探索性回归):MMSE呈天花板效应(45.7%满分30),与iAPF无显著相关(r=+0.159, p=0.156),加入模型后R
2仅增0.6%。教育程度与iAPF显著正相关(r=+0.267, p=0.016),控制年龄后偏相关r=+0.290(p=0.009),加入教育后模型R
2=0.266,AIC降低,教育显著贡献(β=0.067, p=0.009),但探索性分析不改变主模型。
3.8 Age-Adjusted Reference Range(年龄调整参考范围):按年龄组(50–59至80–89岁)显示iAPF渐进下降约0.9 Hz,提供回归模型预测值±1 SD的年龄调整变异带。
3.9 Residual Analysis(残差分析):残差近似正态,Shapiro-Wilk检验显著(W=0.9555, p=0.0067),但Q-Q图显示尾端轻微偏离,模型对中等偏差具有稳健性。
3.10 Exploratory Age-Adjusted Reference Band(探索性年龄调整参考带):定义预测值±1.88 Hz(近似95%预测区间),但注意该简化略低估极端年龄不确定性,仅用于描述性目的。
讨论部分总结:本研究建立的年龄调整模型斜率(?0.054 Hz/年)与文献一致,但截距更高(13.22 vs 11.95),可能源于去除非周期性成分。年龄仅解释19.8%方差,表明iAPF受多因素影响,但Bootstrap证实关联可靠。交叉验证显示预测性能有限,但LOOCV R
2=0.155显著高于随机。FOOOF参数化避免了固定频带偏差,非周期性指数与iAPF独立相关,提示未来应整合非周期性参数。模型限于群组水平,个体预测区间宽(约±1.92 Hz),不适用于临床筛查。性别无显著影响,教育程度正向关联,MMSE因天花板效应不显著。研究结论翻译:总之,本研究基于FOOOF频谱参数化,提供了认知健康老年人iAPF的初步年龄调整模型。在52–87岁参与者中,iAPF随年龄线性下降,方程iAPF = 13.22 ? 0.054 × 年龄,对应每十年下降约0.54 Hz。年龄解释的方差虽中等,但年龄–iAPF关联统计可靠(Bootstrap 95%置信区间排除零),尽管交叉验证在未见数据上预测性能有限(10折R
2=0.019;LOOCV R
2=0.155)。该模型作为描述群组水平后期生命iAPF轨迹的参考方程,通过分离周期性α活动与非周期性背景,避免了常规频带分析的局限性,提供了更生理特异性的α峰动态估计。然而,鉴于95%预测区间约±1.92 Hz,模型不具备个体临床应用的足够精度。未来研究应在独立队列中验证外部效度,并考察性别、教育、认知状态等协变量的贡献,以评估年龄调整iAPF模型是否最终能达到认知衰退风险人群临床应用所需的精度。