回到 qEEG 的未来：频谱比值与功能指标的全生命周期常模建模及其在治疗监测中的潜在应用

基于摘要分析。该研究针对衍生 qEEG 指标通常缺乏年龄常模、难以支持个体临床解释的问题，为频谱功率比值、认知情绪状态标记及生理参数建立年龄依赖的概率参考模型。研究主要对象是闭眼静息态 qEEG 的全生命周期常模，而非情感识别分类算法或已获验证的治疗监测系统。 数据来自 HarMNqEEG，包含来自 9 个国家、年龄为 5–97 岁的 1,564 名神经系统健康参与者，记录条件为闭眼静息态。方法首先使用 Electrode-level Spectral Normalization（ESN）处理个体间及设备间的幅度差异；作者称该处理保留各指标的神经生理可解释性，且不需要获知记录设备信息。随后使用 Generalized Additive Models for Location, Scale, and Shape（GAMLSS），在 log(age) 上采用 P-splines，估计随年龄非线性变化的条件均值与方差，为个体层面的概率性 Z-score 解释提供参考。 作者报告，所有指标均呈显著的非线性年龄轨迹：慢波主导的比值从儿童期至成年早期明显下降，alpha 主导的指标在青春期上升后趋于稳定。作者报告，除 Valence 外，ESN 处理后的各指标在整个年龄范围内均获得校准良好的常模残差；由于 Valence 的边际分布具有 spike-and-slab 特征，作者推荐使用分位数回归模型作为该指标的常模参考。 这些结果支持健康人群闭眼静息态条件下的年龄校正解释框架，不能直接视为疾病诊断、情感识别或疗效预测的有效性证据。需进一步核对年龄与国家的样本分布、训练和验证划分、设备差异处理、残差校准标准及模型可获取性；实验协议、消融及统计信息尚未验证。作者将诊断与治疗监测定位为未来临床验证方向。