临床研究 · 静息态 EEG

临床分组

在一家诊所的静息态记录上，一个简单的频谱模型以 71.7% 的平衡准确率区分开两组，随机水平为 50%。而一个只用年龄和性别、完全不用 EEG 的模型，在同样的折上达到 55.0%。两者都是公开数据集上的研究结果：都不是诊断，也都没有在另一个队列上重复过。把对照基线并排放在这里，正是因为单看一个病例对照分数，说不出这个分数从何而来。

已审核的聚合 JSON ↓方法与局限 ↓

+16.6 ppEEG 减去年龄性别基线，同一批 149 名被试

EEG 模型高于完全不用 EEG 的模型

71.7% 对 55.0%，用的是同一批被试、同样的折。两者的描述性区间分别是 63.5%–79.3% 和 46.9%–63.6%，而且二者有重叠。单一随机种子、不调参、单中心：这是一次固定的实验，不是对这类模型在别处表现的估计。

Research results on a public data set. Not a diagnosis, not diagnostic accuracy, and not a medical device or medical advice.

两行，其中一行不是模型

EEG 对年龄和性别

二分类，随机水平 50%。5 折分层被试交叉验证，每名被试恰好被留出一次；每名被试只有一个平均后的特征向量进入分类器。

被试级平衡准确率及其描述性 95% 区间、宏平均 F1 与 AUROC。
行	输入	平衡准确率	宏平均 F1	AUROC
相对频谱逻辑回归对数相对频带功率，60 个共有通道	只用 EEG	71.7%63.5%–79.3%平衡准确率 71.7%	71.1%	0.76
只用年龄和性别不是 EEG 模型 · 不参与任何比较	不用 EEG	55.0%46.9%–63.6%平衡准确率 55.0%	54.0%	0.56

这些分数算在什么之上

单中心，149 名被试，每人两分钟

四种源通道布局共有的 60 个命名通道；取前 120 秒，切成 30 个互不重叠的 4 秒窗；在 1–45 Hz 的五个频带上取对数相对功率。每名被试的 300 个特征在被试内取平均，因此分类器看到的是每人一个向量，而不是 4,470 个独立样本。标准化只用训练折拟合，分类器是固定的平衡 L2 逻辑回归（C=1）；单一划分种子，没有留出调参。

被试

149

100 名帕金森病被试与 49 名对照，单中心

分层被试折

每名被试留出一次

4 秒窗

4,470

4,470 个，在被试内取平均

方法与局限

这个结果不是什么

单一队列上的病例对照比较，一个简单模型、一次划分。下面每一条都不是套话，而是这个数字支撑不了的一种说法。

不是诊断

这是固定研究划分下的分组区分，用平衡准确率报告。它不是诊断准确率，不是筛查工具，没有经过临床验证，也不能用来解释任何一个具体的人。

没有被重复验证

单中心、单队列、单一划分种子，没有留出调参。区间是描述性的 bootstrap 范围，不是对总体的保证——交叉验证的训练折彼此重叠，这正是这里称其为描述性的原因。

没有扣除年龄和性别

对照基线说明，这种区分有一部分完全不需要脑信号就能做到。EEG 模型并没有对年龄、性别做校正，所以它的分数不能当作疾病特异的脑活动的度量。

组间差异不只在大脑里

凡是患者与对照之间不同的东西，都会跟着标签一起进入模型：用药、记录场次、身体活动、清醒程度。病例对照分数无法把这些与疾病本身分开。

这个数据集上没有基础模型分数

数据源没有说明物理幅值单位。相对频谱不需要这个单位，所以上面的结果成立；而需要标定幅值的模型就先不跑，而不是按假设的单位跑一遍。

与核心矩阵分开

这次发布有自己的审核记录和自己的数据文件。它不加入八协议矩阵，也不加入部署专题，与它们不共享任何排名。

经过独立复算

独立复算了全部 149 份原始记录与 4,470 个频谱窗，使用另一套 FFT 实现，并重新拟合了全部分类器。重建的特征与指标差异为 0；区间的差异在浮点精度量级。

OpenNeuro ds004584 · Rest eyes open, Parkinson's disease and controls

Dataset: Arun Singh, Rachel Cole, Arturo Espinoza, Jim Cavanagh and Nandakumar Narayanan · Rest eyes open, OpenNeuro ds004584 v1.0.0, doi:10.18112/openneuro.ds004584.v1.0.0. Cohort study: Arun Singh, Rachel C. Cole, Arturo I. Espinoza, Jan R. Wessel, James F. Cavanagh and Nandakumar S. Narayanan · Evoked mid-frontal activity predicts cognitive dysfunction in Parkinson's disease, Journal of Neurology, Neurosurgery & Psychiatry 94, 945-953 (2023), doi:10.1136/jnnp-2022-330154. Transport mirror: NEMAR on004584, doi:10.82901/nemar.on004584.

每名被试都签署了书面知情同意，并确认具备决策能力，符合《赫尔辛基宣言》；全部研究方案经爱荷华大学机构审查委员会批准（IRB 201707828）。这里只发布队列级聚合结果：没有逐人记录，没有临床或认知量表分数，也不发布各组的年龄与性别构成。

OpenNeuro 数据集 ↗ · 队列研究论文 ↗ · 公开手稿 ↗ · NEMAR 镜像 ↗ · CC0-1.0

数据来源：已审核的聚合 JSON · schema bci-report-clinical-update-v1 · 生成于 2026-09-23。