《Developmental Cognitive Neuroscience》：Power Struggles: Absolute vs. Relative EEG Power in Developmental Neuroscience
编辑推荐：
为厘清发育性脑电研究中绝对功率与相对功率指标的适用性与局限性，研究人员对儿童样本数据进行了系统的经验性比较与概念分析。研究证实，这两种指标并非简单互换，而是提供了互补的视角：相对功率并不能普遍消除非神经或状态相关的变异，但仍能捕捉频谱组成的比例变化。该工作为未来研究方法的选择、报告和解释提供了清晰建议，对提升EEG研究的可解释性和可重复性具有重要意义。
在探索婴幼儿大脑早期功能的工具箱里，静息态脑电图（EEG）无疑是一颗耀眼的明星。它无需复杂的任务，仅通过记录孩子在安静状态下的脑电活动，就能以高时间分辨率揭示大脑的奥秘，因此被广泛应用于认知、语言和社会情绪发展的神经基础研究中。随着EEG技术被纳入越来越多的大型儿童发展研究项目，并开始走向移动化和低资源环境，其方法学的严谨性与一致性变得至关重要。然而，在这个领域里，一个看似基础却悬而未决的“方法论之争”长期存在：我们究竟应该使用绝对功率（absolute power） 还是相对功率（relative power） 来量化脑电的频谱活动？
绝对功率衡量的是特定频段内神经振荡活动的原始振幅，单位通常是微伏平方每赫兹（μV2/Hz）。而相对功率则将每个频段的功率表示为所有频段总功率的比例，其值在0到1之间。长期以来，学界有一个普遍假设：相对功率通过“归一化”总功率，可以有效控制诸如头发质地、颅骨厚度、电极阻抗等非神经因素带来的变异，从而使不同个体、不同年龄、不同记录系统之间的数据更具可比性。此外，它也被认为更能敏感地反映大脑成熟过程中节律主导权的转移，即从慢波（如θ波）向快波（如α、β、γ波）的过渡。
但这个假设真的站得住脚吗？相对功率真的是更优越、更能“校正”噪声的指标吗？还是说，它只是对同一底层信号的不同表征，各有优劣？在儿童发育EEG研究中，这个问题尤为突出，因为儿童不仅处于快速神经生理变化期，还存在更多记录挑战（如更多身体活动、状态波动）。选择不同的指标，可能会得到不同甚至相反的结论，这严重影响了研究结果的解读、比较和可重复性。正是为了解决这一核心方法学争议，为领域提供清晰指引，研究人员展开了这项深入的评论性研究。
为了系统回答上述问题，研究人员整合了概念分析，并利用来自多个儿科样本（总N>3000，年龄覆盖0-4岁）的实证数据进行了深入检验。研究主要依托对现有儿童静息态EEG数据的二次分析，这些数据来源于多项已发表或正在进行的研究项目。关键技术方法包括：1. 静息态脑电图（EEG）记录：使用高密度EEG系统，在婴幼儿观看中性视觉刺激（如无声的动态光影视频）时采集脑电信号。2. 功率谱分析：对预处理后的EEG数据进行频谱分析，分别计算各传统频段（δ, θ, α, β, γ）的绝对功率和相对功率。3. 横断面对比与相关性分析：在大样本中计算同一频段的绝对功率与相对功率之间的关联，并分析它们与多种潜在混淆因素的关系。4. 协变量控制与统计分析：在线性模型中控制年龄等因素，检验EEG功率指标与头发质地、儿童情绪状态、疲劳程度（以上次小睡结束至EEG记录开始的时间衡量）及测试时间（上午、中午前、中午后）等变量的关系。
研究结果通过多个维度揭示了绝对功率与相对功率的异同：
5.1. 跨功率关系
分析显示，绝对功率与相对功率捕捉的信息既有重叠也有分歧。总体而言，高频段活动（如γ波）在两种指标间表现出高度一致性（平均相关系数>0.8），而低频段活动（如θ波）的相关性则接近零，甚至在部分研究中呈负相关。这表明，对于不同的频段，两种指标可能反映了截然不同的神经生理或发育特性。
5.2. 头发质地与厚度
考察非神经因素影响时发现，头发质地（直发、波浪、卷发、紧密卷曲/线圈状）与γ波段功率存在关联，这种关联在绝对功率和相对功率中均被检测到（尽管相对功率中的关联处于统计学边缘）。头发厚度则未显示出显著关联。这说明，被认为是相对功率优势之一的“校正头发影响”的假设并不完全成立，头发质地的影响在高频信号中依然存在。
5.3. 状态相关与情境影响
研究人员进一步检验了相对功率是否对状态因素更不敏感。结果发现：
- •
疲劳：距离上次小睡结束时间越长（越疲劳），与更高的绝对α和β功率相关，但与相对功率无关。这表明相对功率可能减弱了某些与振幅相关的全局性效应。
- •
负面情绪：更高的负面情绪评分与绝对和相对的β、γ功率增加均相关。这意味着两种指标都能捕获情感唤醒的信号。
- •
测试时间：与上午测试的婴儿相比，在中午前和中午后测试的婴儿显示出更高的绝对α功率。而相对功率则显示，上午测试的婴儿有更高的θ功率和更低的α功率。
这些结果共同表明，相对功率对某些状态或情境因素部分不敏感，但绝非普遍有效。它并不能作为消除这些变异源的“万能钥匙”。
综合全文的分析与讨论，本研究得出了几个核心结论，并对未来研究提出了明确的建议。首先，绝对功率和相对功率提供了互补而非互换的视角。绝对功率更可能追踪随着年龄增长振荡发生器整体的增强或减弱，而相对功率则强调了从慢节奏到快节奏主导地位的转变。相对功率并非消除非神经变异的通用解决方案，但它能提供关于频谱组成比例的独特信息。
基于这些发现，作者为领域提出了切实可行的建议：1. 预先注册并论证指标选择：研究者应根据研究问题和现有文献，预先说明并论证使用绝对或相对功率的理由。理想情况下，应尽可能同时报告两种指标（即使一种作为补充材料），因为它们承载的信息有时是不同的。2. 提高方法透明度：应详细报告频段定义、预处理步骤（例如，计算相对功率前是否对绝对功率进行了对数转换）等关键方法学细节，以支持研究的可重复性和结果的可比性。3. 评估并控制协变量：建议在研究设计中评估头发质地、疲劳、情绪状态、测试时间等因素的影响，并在分析中将其作为协变量进行控制或调整实验安排（如尽量在小睡后测试婴儿）。为此，作者在补充材料中提供了收集相关信息的问卷模板。
最后，文章展望了未来研究方向，包括需要进一步厘清生物特征、状态因素及方法学选择如何差异性地影响两种功率指标；探讨在分离了周期性振荡和非周期性背景活动后，两者的关系是否变化；利用仿真数据验证数学特性；以及建立包含两种指标的、覆盖多样化人群的规范性参考数据集，以推动数据的 harmonization（协调统一）和结果的普适化。
这项发表在《Developmental Cognitive Neuroscience》上的工作，其重要意义在于它挑战并澄清了发展神经科学中一个长期存在的方法学迷思。它明确指出，没有一种指标是“更好”的，选择取决于具体的研究问题。通过推动方法学的标准化、透明化和对混杂因素的充分考虑，这项研究将极大地增强EEG作为工具的稳健性，确保基于EEG的发现是可靠、可解释且可跨研究比较的，从而最终深化我们对早期大脑发育机制的理解，并提升其在识别发育风险与韧性神经标记物方面的应用价值。
