音乐聆听是一种常见的日常活动，因其情绪影响和唤起记忆的能力而受到认可，涉及生理和心理过程。音乐聆听期间同步记录脑电图（EEG）和心电图（ECG）有助于理解这些过程。然而，此类同步记录所提供的见解，以及现有研究与已发表方法学指南的吻合程度，仍不清楚。为弥补这一空白，研究人员对同行评审的研究进行了范围综述，这些研究考察了健康成年非音乐家在被动音乐聆听中使用EEG和ECG联合测量的生理反应。对五个数据库的结构化检索确定了18篇论文。研究人员提取了方法、参与者人口统计学、音乐刺激和EEG/ECG测量数据，并与既定指南进行比较，以阐明研究的方法学严谨性。EEG研究结果高度异质，涵盖频谱功率、侧化效应和事件相关电位，分析焦点的重叠有限。心脏结果同样混杂，研究报告心率根据刺激和情境而增加、减少或无变化。只有一小部分研究直接考察了脑-心耦合，初步证据表明音乐聆听期间神经和心脏节律之间存在同步化，这使得大脑和心脏如何共同对音乐作出反应这一核心问题在很大程度上仍未解决。该综述发现了显著的方法学不一致性以及两种测量之间缺乏整合，凸显了这一跨学科研究的挑战。推进音乐和心理生理学研究需要遵循既定标准，改善这些不同领域方法学之间的一致性。这些发现强调了对更大方法学标准化的关键需求，以建立对音乐心理生理效应更可靠和可复制的研究成果。
1 引言
音乐结构的复杂性及其对人类身心产生的深远影响，使其成为科学实验中探索认知过程、情绪状态和生理反应的独特丰富刺激。脑电图（EEG）和心电图（ECG）在方法学严谨的前提下，为理解音乐参与过程中大脑活动与心脏反应的时间动态提供了重要见解，增进了对认知过程、情绪状态和生理反应之间相互作用的理解。
人们通过聆听音乐来调节情绪、获得自我意识并与他人建立联系，凸显了音乐重要的心理功能。音乐聆听体验从偶然性到专注性不等，激活与听觉处理、工作记忆和情绪处理相关的大脑区域，并引发认知、情绪和生理反应。个体对同一音乐作品的反应可能因情境和解读而异，受音乐不同元素的影响。Prince（1972）确定了影响音乐反应的九个交互变量：音乐才能、音乐记忆、人格、态度、期望、注意状态、情感反应、联想反应以及知觉和学习过程。与此观点互补的是，BRECVEMAC框架（Juslin，2025）通过九种心理机制提供了音乐如何影响情绪的理论模型：脑干反射、节律性夹带、评价性条件作用、情绪感染、视觉意象、情景记忆、音乐期望、审美判断和认知目标评估。这些机制解释了声音引发的本能生理反应、节奏和速度的影响、与过往经历的联想，以及当我们镜像音乐中感知到的情绪时发生的情绪感染。此外，该框架还考虑了音乐如何唤起心理意象、触发特定记忆、调动期望、引发审美欣赏以及影响听者的个人目标。这些框架凸显了导致音乐反应广泛变异性的多因素本质。鉴于音乐刺激和个体反应固有的复杂性和变异性，研究者在探究音乐与生理反应之间的相互作用时，采用系统和严谨的方法至关重要。遵循既定指南可确保研究结果的可靠性，并准确捕捉音乐与生理反应之间错综复杂的关系。
1.1 音乐、EEG与ECG
EEG技术在研究大脑对音乐刺激的反应方面发挥了重要作用，为声音处理和认知的各个方面提供了见解。EEG对音乐的反应已被发现可反映与情绪处理、期望、注意、音乐模式结构识别以及音乐经验相关的认知过程。EEG测量因其高时间分辨率而非常适合研究音乐聆听，能够以毫秒级捕捉大脑活动的变化，实现对音乐固有时间性质的神经反应的实时追踪。在一篇关于音乐知觉EEG研究的综述中，González等人（2021）发现，跨多个皮层区域的频谱功率测量表明音乐处理涉及局部和远距离神经网络。这些网络通过不同的EEG频段进行通信，如顶枕区和额颞区的alpha功率变化、右顶颞皮层的beta功率变化以及右顶叶区域的gamma功率变化。所听调性音乐的类型会影响这些特定皮层区域双侧的频谱功率改变。此外，在听觉刺激（特别是音乐聆听和识别）背景下，Freitas等人（2018）的综述总结了文献中已识别的几个关键事件相关电位（ERPs）。N1波在刺激开始后80–110 ms出现，起源于听觉皮层，检测声音特征和变化。P2波在刺激后160–200 ms出现，在刺激评估和工作记忆等认知过程中发挥作用。P3波（包括P3a和P3b成分）在刺激开始后300–400 ms出现，与选择性注意、识别和记忆过程相关。N400波在刺激后200–600 ms出现，参与跨各种认知层面的意义处理（Freitas等人，2018）。
大量研究证实了音乐听觉刺激与心脏反应之间的关系。与副交感神经系统对传入声音信息反应相关的心脏活动变化被一致发现。然而，对音乐的生理反应并不一致。不同类型的音乐对交感神经系统（SNS）和副交感神经系统（PNS）有不同的影响，取决于速度、调式和情绪效价等因素。这种反应的不一致性通常归因于自主神经系统（ANS）反应的个体差异，但也可能受音乐的主观解读影响，这一因素常被忽视。主观解读和听者对音乐的反应可能受到方法学不一致性和音乐刺激各方面差异的影响。除个体和解读因素外，音乐的时间结构和节奏模式影响生理、认知和情绪反应，使音乐成为研究协调的神经和心脏动力学的引人注目的刺激。
1.2 EEG、ECG和音乐中的节律模式
节律模式是音乐引起生理变化的主要决定因素。音乐的连贯性依赖于其时间流动，使其结构是动态的而非静态或可逆的。音乐、EEG和ECG共享时间性质，涉及随时间展开的现象，并以各种频率和节律模式为特征。凭借高时间分辨率，EEG有效捕捉大脑对音乐时间动态的快速反应。ECG通过心率（HR）、血压（BP）和心率变异性（HRV）等测量反映自主神经系统调节，补充EEG以提供心脏对音乐反应的见解。夹带是指有机体内部节律与外部刺激的同步化。在音乐语境中，节律性夹带是神经和生理节律与音乐节拍的对齐，可增强运动协调、情绪调节和认知处理（Thaut，2015）。这种同步化可在EEG和ECG数据中观察到，神经和心脏振荡可与音乐的速度和节奏对齐，凸显大脑和心脏对音乐刺激反应的相互关联性（Bernardi等人，2006；Nozaradan等人，2012）。大量研究调查了心脏活动对EEG的影响及反之，然而，关于它们在音乐聆听期间相互作用的研究仍然有限。
1.3 心脏与大脑之间的相互作用
"压力感受器假说"提出，心脏活动，特别是压力感受器输入（主动脉弓和颈动脉窦中对心脏周期同步放电的压力敏感感受器），可影响注意和记忆等认知功能。研究表明，在心脏周期不同阶段呈现的刺激会影响认知表现，提示alpha脑波与压力感受器活动之间的同步化可能影响感觉信息传递。心脏周期的相位影响认知控制机制，影响处理速度以及听觉阈值和时间判断等知觉过程。心脏传入信号影响认知过程，包括注意、唤醒、动机、情绪、身体自我意识、自我相关认知、体感处理和知觉（Al等人，2021；Azzalini等人，2019；Critchley和Garfinkel，2018；Kunzendorf等人，2019；Schandry和Montoya，1996）。
心脏和大脑之间的相互作用是双向的，不仅包括心脏对大脑的影响（通过压力感受器假说等机制），还包括大脑对心脏的影响，主要由迷走神经介导。Lacey和Lacey（2017）提出，注意引起心脏减速，而认知工作产生加速。Patron等人（2019）发现，额叶皮层的delta振荡影响静息时的心率减速，提示心脏迷走控制增强以及大脑活动与心脏功能之间存在调节性联系。
有证据表明心脏与大脑之间的交流塑造认知体验和情绪反应，音乐因其情绪影响和调动复杂认知过程的能力而成为这一探索的理想媒介。本范围综述考察了同时评估EEG和ECG测量的研究，以描绘当前文献并揭示音乐聆听期间脑-心相互作用的联系。
同时结合EEG和ECG使研究者能够评估听者对音乐反应的两个互补视角，有必要说明每种测量的贡献，以及为何同时记录比单独记录任一测量更具信息量。EEG以高时间分辨率记录大脑对音乐刺激的反应和处理，捕捉乐曲展开时的皮层活动，而ECG以及由此衍生的心率和心率变异性测量，反映听者的自主神经状态以及伴随唤醒和情绪变化的交感与副交感驱动平衡。单独记录时，每个信号都难以解读。例如，皮层alpha的变化可能反映刺激处理或唤醒的普遍转变，心率变化可能反映音乐的情绪影响或呼吸或姿势的偶然变化。同时记录时，EEG和ECG可交叉参照，以研究对同一音乐事件的神经和自主反应是否共变、彼此滞后，或夹带于共享节律。在音乐文献之外，皮层和心脏活动的同步记录已表明大脑对每次心跳产生微小反应，且该反应与知觉、情绪和自我相关处理有关（Azzalini等人，2019；Critchley和Harrison，2013；Park等人，2014）。正是这种共变（而非任一单独信号）最能反映上述双向脑-心交流，这促使研究人员聚焦于同时记录两种测量的研究。
1.4 目标
本范围综述阐明了音乐聆听、生理和认知之间的相互作用是如何被概念化和研究的。它系统性地描绘了健康成人音乐聆听期间同时使用EEG和ECG测量生理、认知和情绪反应的现有同行评审文献。它依据已发表指南评估了所采用的方法学，以识别差距、改进研究实践，并引导未来研究更好地理解音乐、生理和认知之间复杂的相互作用。本综述探讨了具体问题，包括所开展研究的类型、所考察的人群、EEG和ECG测量所用方法学、刺激和研究设计的细节，以及EEG和ECG测量之间的相互作用。与上述观点一致，特别关注研究是否以及如何将两种测量相互关联分析，而非单独报告。目标是突出需要进一步探索的领域，并通过识别当前实践与已发表标准之间的差距来提高未来研究的方法学严谨性。
2 方法
本范围综述遵循Peters等人（2022）概述的方法学，并遵守Joanna Briggs Institute（JBI）手册中提供的证据综合指南（Aromataris等人，2024）。采用人群、概念和情境（PCC）框架来设定研究的资格标准、标题和研究问题。该方法以既定的范围综述框架（Arksey和O'Malley，2005；Levac等人，2010）和系统综述与荟萃分析首选报告项目范围综述扩展版（PRISMA-ScR）（Tricco等人，2018）为指导。
2.1 方案与注册
研究方案事先确定，并在
https://osf.io/yx3rh 在线预注册（关联项目
https://osf.io/xtznm ），遵循OSF预注册模板（Bowman等人，2020）。该方案遵循PRISMA-ScR中设定的标准（Tricco等人，2018）。
2.2 资格标准
符合条件的文章需满足以下标准：1）在同行评审期刊上以英文发表的已发表研究。排除复制研究、综述、书籍章节、会议摘要、学位论文、预印本以及纯方案或方法学研究。2）在同一实验条件或事件期间同时记录EEG和ECG数据。这两种测量之间的关系对本综述的范围至关重要，反映了研究人员关于两种测量相互作用程度的问题。需注意，此标准保留了ECG信号仅用作心脏锁定EEG分析的内部时间标记而非心脏结果测量的研究。保留这些研究是因为它们满足同步记录标准，排除它们将与预注册的资格框架不一致，尽管它们不向综合提供心脏结果数据。3）有意识、清醒、健康成人（18岁以上）非音乐家参与者。选择这些标准是为了排除动物研究以及机器学习或其他模型。指定健康人群以避免与临床人群相关的混杂因素。成人定义为18岁以上，以避免与儿童和青少年发育期间显著的身体、心理和情绪变化相关的混杂因素。排除音乐家以避免与增强的听觉处理能力、对音乐细微差别的高度敏感性以及训练诱导的脑结构和功能神经可塑性变化相关的混杂因素（Besson等人，2007；Grassi等人，2025；Herholz和Zatorre，2012；Kraus和Chandrasekaran，2010）。提及参与者为音乐家或具有音乐训练，或专门选择具有音乐训练或能力的参与者的研究被排除。音乐训练是神经反应（以及较小程度上的自主反应）对音乐最可靠的调节因素之一（Besson等人，2007；Grassi等人，2025；Herholz和Zatorre，2012；Kraus和Chandrasekaran，2010）。由于本综述询问典型未受训练听者的大脑和心脏如何同时对音乐作出反应，因此排除了训练有素音乐家的研究，并在局限性部分回到这一选择的影响。4）包含音乐聆听条件的研究，定义为涉及耳蜗的聆听。由于缺乏普遍接受的音乐定义，跨文化和学科理解音乐变得复杂，特别是在将听觉认知等同于音乐认知时（Cross，2001；Nettl，2015）。鉴于音乐存在各种定义，研究人员采取了务实的方法，以研究本身提供的描述为指导，仅纳入那些明确将听觉刺激称为或描述为"音乐"的研究。5）研究必须考察被动音乐聆听期间的生理反应，可伴随或不伴随心理、情绪或认知分析。排除涉及音乐想象、聆听前或聆听期间任何状态改变或同步操作（如运动、药物或情绪诱导、现场表演、电影）的研究。还排除了关于音乐对身体表现、运动恢复或通过语言或意象启动影响的研究。如果满足这些标准，则对发表日期或方法学不作限制。6）如果研究设计的任何部分满足纳入标准，则纳入该部分，并仅从符合条件的部分提取数据。例如，在O'Kelly等人（2013）中，仅健康对照聆听录制音乐的部分符合纳入标准，在Steinbeis等人（2006）中，仅非音乐家数据是感兴趣的。
2.3 信息来源
在PsycInfo（包括PsycArticles）、Pubmed、Scopus、Web of Science（核心合集）和Academic Search Complete（EBSCOhost）数据库内进行了系统检索，使用截断/通配符术语以捕捉所有可能的迭代。检索策略通过与专业图书馆工作人员协商完善。滚雪球法（引文检索）也发现了更多相关论文。初始检索于2024年1月31日进行。最终更新检索于2025年8月10日进行，以捕捉自初始检索以来发表的任何研究。发现并纳入了一篇额外论文。
2.4 检索策略
检索查询由描述范围综述及其方法学的术语组成：EEG、electroencephalography、ECG、cardiac、heart、music、listening。检索查询针对每个数据库的具体要求进行了调整。PsycInfo（包括PsycArticles）的检索策略如下。该检索于2025年8月10日返回117条结果。所有数据库完整检索策略的详细信息可在支持信息——附录S2中找到。
任何字段：eeg 或 任何字段：electroenceph* 或 任何字段：ERP 或 任何字段："evoked potential" 或 任何字段："neural oscillation" 且 任何字段：ECG 或 任何字段：cardi* 或 任何字段：heart* 且 任何字段："music listening" 或 任何字段：music* 或 任何字段：listen* 且 人群组：人类 且 出版物类型：同行评审期刊 且 仅限同行评审期刊。
2.5 研究选择
来自上述数据库检索的研究被转移到Covidence在线软件包。对上传研究的标题和摘要进行筛选，排除不符合纳入标准的，其余进行全文审查。对这些研究的全文进行全面分析，18篇符合所有标准并被选择进行数据提取。PRISMA流程图详述了这一过程。
2.6 数据图表化过程
Covidence数据提取模板在提取过程中被迭代定制和完善，以满足本综述的目标。数据被组织为六个类别：出版信息；参与者（人群）；EEG和ECG测量（概念）；以及刺激和研究设计（情境）。完整详情见支持信息——附录S3。
3 结果
从符合本范围综述资格标准的18项研究中提取数据。以下叙述呈现了该信息的细分。
3.1 出版信息
表1显示了每项研究提取的出版信息，详情如下。
3.1.1 作者
18项研究中有13位独立第一作者。18项研究中有5项的第一作者为Mollakazemi（Mollakazemi, Biswal, Evans, and Patwardhan，2018；Mollakazemi, Biswal, and Patwardhan，2018；Mollakazemi等人，2019，2020，2021），两项的第一作者为Nanba等人（1992，1993）。Kumarasinghe等人（2021）和Namazi等人（2021）的报告似乎是同一研究。
3.1.2 年份
研究的时间顺序显示，大多数（11项）发表于过去10年（自2015年以来），7项研究发表于2015年之前。其中两项发表于30多年前，即1992年和1993年。
3.1.3 地区
6项研究来自西欧（包括英国、德国、法国等国家），5项来自北美，4项来自东亚（中国、日本、韩国），2项来自东南亚（印度尼西亚、马来西亚），1项来自南亚（印度、巴基斯坦）。
3.1.4 目的与发现
虽然所有研究都记录并分析了EEG和ECG，但并非所有研究都报告了ECG，三项研究（Mollakazemi, Biswal, Evans, and Patwardhan，2018；Mollakazemi, Biswal, and Patwardhan，2018；Mollakazemi等人，2021）仅将ECG R峰用作内部时间标记，以同步和提取短的心脏锁定EEG段进行检查。
3.2 参与者
表2显示了每项研究提取的参与者信息，提取的数据项详情如下。
3.2.1 听力学
听力损伤的预筛选以确保参与者能感知刺激至关重要，但有时被忽视。对于大多数涉及年轻典型参与者的研究，记录自我报告的正常听力通常足够。然而，自我报告的准确性取决于所问的问题（Picton等人，2000）。指南建议参与者应在所测刺激频率下以20 dB听力级（dB HL）进行正常听力筛选（Picton等人，2000）。所考察的18项研究中有10项未提及听力评估。在提及听力评估的8项中，4项使用检查，2项依赖参与者自我报告，2项仅说明参与者无听力损伤史或已知听力损伤。
3.2.2 音乐家身份
本综述排除了指定音乐家为参与者的研究。音乐心理学文献的共识是音乐家至少具有6年的音乐专业经验（Zhang等人，2020）。在18篇论文中，12篇未提及音乐家身份。在确实提及音乐家身份评估的6篇论文中，1篇使用内部问卷，1篇排除高熟练度者，2篇提及参与者仅接受过正常学校教育，1篇说明无音乐训练史，1篇说明参与者不是音乐家且仅约一半接受过任何正式音乐训练。值得注意的是，没有研究采用标准化测量，如Goldsmiths音乐成熟度指数（Gold-MSI）（Müllensiefen等人，2014），该指数广泛用于评估音乐训练和参与度的个体差异。
3.2.3 利手性
指南（Picton等人，2000）建议对使用运动反应的研究报告利手性，且利手性已被证明与听觉脑反应（Mohebbi等人，2014）、EEG频谱的半球不对称性（Ocklenburg等人，2019）和心脏测量（Yüksel等人，2014）相关。因此，在检查EEG和ECG对音乐反应的研究中报告利手性似乎是恰当的。在18项研究中，9项未提及利手性。5项研究中，研究者声称利手性但未提及评估方法。4项研究评估了利手性，其中3项指定使用爱丁堡利手性量表（Oldfield，1971），1项研究（Baumgartner等人，2006）仅说明使用"标准利手性测试"进行测试（第35页）。
3.2.4 资格标准
指南建议报告资格标准，如身心健康状况、处方药或非法药物使用，以及酒精、尼古丁和咖啡因等物质的消费，无论是在招募时还是在记录当天，因为这些都会影响EEG和ECG测量（Appelbaum等人，2018；Jennings等人，1981；Keil等人，2014；Laborde等人，2017；Picton等人，2000；Quigley等人，2024；Quintana等人，2016；Quintana和Heathers，2014）。此外，针对记录当天的心脏测量，应控制劳累、食物和水的摄入、心脏活性药物、药物戒断、睡眠模式和膀胱充盈等因素（Jennings等人，1981；Laborde等人，2017；Quigley等人，2024；Quintana等人，2016；Quintana和Heathers，2014）。上述资格标准在10篇论文中缺失，8篇论文报告了各种资格标准，如表2所示。
3.2.5 样本量
指南（Appelbaum等人，2018；Keil等人，2022；Laborde等人，2017；Picton等人，2000）建议报告样本量或参与者数量。所有18篇论文都遵守了这一指南，参与者数量从11到50不等。
3.2.6 最终处理数量
指南规定还应报告达到的或最终的样本量（Appelbaum等人，2018）。在7篇论文中，最终处理的参与者数量与招募数量不同。
3.2.7 性别
指南建议报告参与者的性别和年龄（Appelbaum等人，2018；Jennings等人，1981；Keil等人，2014；Laborde等人，2017；Picton等人，2000；Quintana和Heathers，2014）。只有1项研究未报告参与者性别分布。2项研究的参与者全部为男性；1项研究（Baumgartner等人，2006）的参与者全部为女性，其理由令人好奇，即"已知[女性]比男性表现出更强的情绪反应"（第35页）。8篇论文中性别平衡，其余6篇论文中男女性别比例各不相同。
3.2.8 年龄
3篇论文未报告年龄详情，其中1篇未提供任何信息，1篇说明参与者为成人，1篇说明参与者为大学生。其余15篇论文以不同详细程度报告了年龄统计：1篇仅注明平均年龄，其他则提供了更详细的统计，包括年龄范围和标准差。
3.3 测量
3.3.1 EEG测量
表3显示了每项研究提取的EEG数据。论文基于现有已发表的EEG测量指南（Keil等人，2014；Picton等人，2000；Pivik等人，1993）进行审查，这些指南建议报告电极及其配置、阻抗、参考、滤波、硬件和采样频率的详细信息。
为便于其他学科读者理解，现简要定义所审查研究中遇到的主要EEG测量类别。一类测量涉及频谱功率分析，量化给定频段（如alpha，8–13 Hz）内EEG活动的量。该测量通常被解释为潜在皮层网络参与度的指标，例如，随着区域变得不那么积极参与，alpha功率通常增加（González等人，2021；Keil等人，2022）。第二类EEG测量包括事件相关电位（ERPs），即与特定事件（如意外和弦的开始）时间锁定的电压偏转，指示离散处理阶段的时间和幅度（Picton等人，2000）。第三类测量表征持续EEG的复杂性或时间结构，而非其在特定频率的功率。此类测量的例子包括：（a）分形维数和熵测量（如样本熵、香农熵），量化信号的规则性或信息丰富程度，数值越高表示活动越复杂、越不可预测（Kumarasinghe等人，2021；Namazi等人，2021）；（b）标度指数（或标度行为），描述信号波动如何跨时间尺度关联，索引其长程时间相关性或自相似性（Peng等人，1995；Teixeira Borges等人，2019）；以及（c）基于特征分解的测量（特征值），概括多通道EEG内协变的主导模式，此处应用于锁定于心脏周期的短段（Mollakazemi, Biswal, Evans, and Patwardhan，2018；Mollakazemi等人，2021）。相同的测量也可应用于音乐信号本身。音乐被描述为具有分形结构，因为其响度和音高的波动在不同时间尺度上重复相似模式，因此短片段在统计上与较长片段自相似（Levitin等人，2012；Voss和Clarke，1975），复杂性研究询问大脑和心脏是否遵循该结构。
3.3.1.1 变量
8项研究考察了EEG频谱功率。2项研究考察了ERPs。8项研究使用了先进的EEG信号分析技术，如幅度特征值、特征分解、相干测量、分形维数、熵计算和标度指数分析。
3.3.1.2 电极配置
EEG指南（Keil等人，2014；Picton等人，2000；Pivik等人，1993）指出，只要可能，应明确定义标准电极位置，标准电极位置包括10–20系统（Klem等人，1999）及其由美国脑电图学会（1994）提出的10–10系统修订版。5项研究详细说明了电极位置但未提及所使用的具体系统。其余13项研究明确说明了所使用的具体系统。10–20系统最为突出，9项研究使用。1项研究描述使用扩展的10–20系统，1项研究使用10–10系统。2项研究使用EGI 128通道HydroCel Geodesic Sensor Nets。Picton等人（2000）的指南指出，密集阵列系统（如本系统）在确定电极位置方面构成挑战，因为它们超出了10–20系统的容量，且无论采用何种命名约定，重要的是在密集阵列中确定与10–20系统标准位置对齐的界标电极。EGI发布的技术说明描述了在使用128通道HydroCel Geodesic Sensor Net时如何确定与国际10–10电极位置的近似对应关系（Luu和Ferree，2005），然而，使用该系统的两篇论文未具体提及是否进行了此过程。其中一篇论文（J?ncke等人，2015）在讨论所分析的EEG通道时确实使用了特定的电极命名约定，另一篇（Teixeira Borges等人，2019）未提及特定电极位置，但使用头部图进行数据可视化。
3.3.1.3 电极类型
指南建议应指明EEG电极类型（被动或主动）、材料（如Ag/AgCl）以及品牌和型号（Keil等人，2014；Picton等人，2000；Pivik等人，1993）。仅8项研究提及电极类型，其中4项指定Ag/AgCl电极，1项仅说明电极为盐水基，1项提及干电极，2项由同一作者进行的研究仅说明使用"常规"EEG电极。
3.3.1.4 阻抗
Picton等人（2000）指出必须报告电极阻抗，而Keil等人（2014）指出，虽然使用主动电极时电极-头皮阻抗通常不太重要，但应在适当时报告电极阻抗。仅3项研究报告了阻抗。
3.3.1.5 参考
参考是重要的方法学考虑因素，因为各种参考位置为观察潜在大脑活动提供了不同的几何视角（Pivik等人，1993），且指南规定应报告参考（Keil等人，2014，2022；Picton等人，2000）。10项研究提供了有关EEG参考的信息。
3.3.1.6 滤波
指南指出，虽然滤波器可用于改善信噪比，但它们可能导致信息丢失；因此必须记录滤波，包括滤波器类型、滤波器滚降和截止值的详细信息（Keil等人，2014，2022；Picton等人，2000；Pivik等人，1993）。
