衰老、自然情境时间判断与α振荡的关联

基于摘要分析。本研究考察老龄化如何影响回溯性时间估计与自然情境中的前瞻性时长判断，并通过 EEG α 振荡分析探索这些过程与情景记忆的关系。核心贡献是将静息态 α-burst 动态、视频编码期间的 α-burst 活动及行为时间判断纳入同一研究框架。 研究纳入 31 名年轻健康成人（年龄 24±3 岁）和 36 名老年健康成人（年龄 69±6 岁），完成两次 EEG 实验：一次为静息态记录，随后进行未预先告知的回溯性时间估计；另一次为基于视频的前瞻性时长估计，参与者编码并判断 50 段时长为 2–32 秒、事件丰富程度不同的自然情境视频。研究采用逐周期 burst 分析考察 α 频段（8–12 Hz）活动，而非仅分析平均 α 功率。 作者报告，两组对短时距的重建相近；对于较长视频（16–32 秒），老年组的前瞻性时长估计比年轻组更长，且在事件丰富程度较低时尤为明显。回归分析显示，老年组前瞻性时长判断的个体差异与其回溯性时间估计及情景记忆能力有关，这种关系在较长视频中更突出。 神经信号方面，作者报告老年组静息态 α-burst 动态更高，且这些动态与 α 功率可预测老年组更长的回溯性时间估计；两组的静息态 α-burst 活动均可预测视频编码期间的 α-burst 活动。作者据此提出，α 功率与 α-burst 动态可能参与基于记忆的时间追踪，且这一过程随老龄化发生变化；这些关联性结果尚不能确立因果机制。 该材料为预印本摘要，α-burst 的具体指标与检测阈值、EEG 预处理、记忆测验、回归模型设定、效应量及统计信息尚未验证。研究主要涉及认知老化与时间知觉，并非 BCI 解码算法或在线系统验证，不能直接据此推断 BCI 性能收益。