多样化情境下的脑健康

基于摘要分析。该研究考察人口学与认知个体差异能否预测常用于脑健康及疾病病例—对照研究的 EEG 指标，而不只是将这些差异作为控制变量。核心贡献是在来自全球南方与北方人群的多中心样本中，分析源空间静息态 EEG 的局部活动、复杂度与连接特征如何随个体差异变化；研究对象是脑健康相关电生理表型，而非 BCI 解码算法。 方法方面，人口学分析涉及年龄、性别和教育，样本量为 n = 1,298；认知分析样本量为 n = 725。EEG 特征包括功率谱、非周期成分（1/f slope、knee、offset）、复杂度指标（分形维数估计、排列熵、Wiener 熵、频谱结构变异性），以及连接相关指标（图论互信息、条件互信息、组织信息）。研究以这些指标构建脑—表型模型；具体模型形式、源定位流程与协变量处理尚未验证。 作者报告，在各中心采集和评估方法存在差异的背景下，个体差异仍与电生理脑动态相关，并据此认为结果不太可能仅由方法差异解释。年龄和认知对脑信号变异的影响较突出，教育与性别的重要性相对较低；功率谱与图论指标对个体差异最敏感。作者报告，年龄较大、认知较差及男性身份与较低的 alpha 功率相关，年龄较大和教育程度较低与较低的网络整合及分离相关。这些结果是关联性发现，不能据摘要推断因果关系或个体诊断能力。 阅读与复现时需核对各中心样本构成、认知测量可比性、采集差异的处理、多重比较及效应量；实验协议、消融及统计信息尚未验证。对 EEG 研究的直接启示是，应审查常用脑功能指标是否受人口学与认知分布影响，而非默认它们只反映疾病差异。摘要未提供 BCI 任务或解码评估，不能将这些脑健康关联改写为已验证的 BCI 性能收益。