来源：期刊VIP网 时间：
作者：许冬;潘震震;袁小闯;
单位：安阳市人民医院神经电生理科;
摘要：目的 研究老年人执行功能(EF)与脑电微状态的相关性，并构建预测模型。方法 按照连线测试(TMT)-B测试分数将老年受试者分为EF正常组和EF下降组，计算两组中每个样本脑电的全局平均场功率(GFP),并进行组水平的聚类，从而得到4类脑电微状态，并对两组间微状态参数进行统计学检验。将有统计学差异的微状态参数通过机器学习随机森林模型，使用留一法交叉验证训练及评估模型性能，使用shap值评估特征重要性。结果 EF正常组和EF下降组脑电微状态均呈现A、B、C、D 4类，微状态C的覆盖率和微状态D的持续时间、出现频率、覆盖率具有显著差异(P<0.05),转移概率中A→C、A→D、B→D、C→A、C→D的转移概率具有显著差异(P<0.05)。结论 静息态脑电图微状态时间动力学改变可以作为早期发现老年人EF下降的潜在生物标志物。
关键词：执行功能;;脑电图;;微状态;;机器学习
基金资助：河南省医学科技攻关计划联合共建项目(LHGJ20230857);; 安阳市重点研发与推广专项(2023C01SF218)
