《Epilepsy Currents》:Common Data Elements for Preclinical High-Frequency Oscillations in Epilepsy
编辑推荐:
正常脑功能依赖于神经回路内部及回路之间协调一致的振荡活动。在癫痫中,这些振荡的破坏可能反映与发作产生和/或合并症出现相关的病理性兴奋性。在这些振荡活动中,高频振荡(high-frequency oscillations, HFOs,通常为80–500?Hz)日
正常脑功能依赖于神经回路内部及回路之间协调一致的振荡活动。在癫痫中,这些振荡的破坏可能反映与发作产生和/或合并症出现相关的病理性兴奋性。在这些振荡活动中,高频振荡(high-frequency oscillations, HFOs,通常为80–500?Hz)日益被认为是癫痫发生性的有前景的电生理生物标志物。临床前模型为阐明HFO产生机制和评估候选治疗策略提供了有力平台。然而,临床前HFO研究在记录技术、信号定义和报告实践方面仍存在显著异质性。这种变异性限制了可重复性,并妨碍了临床前发现与人类数据之间的比较,凸显了加强协调统一的必要性。为此,研究人员提出了一套通用数据元素(common data elements, CDEs),按4个领域组织:(1)HFO记录;(2)HFO定义与检测;(3)HFO报告与量化;(4)生物学与疾病背景CDEs,以捕获可能影响HFO解释和跨研究比较的受试者及模型特异性参数。CDEs被分为核心(core)元素,即建议所有HFO研究均报告的基本信息;或可选(optional)元素,即在与实验设计或研究问题相关时建议报告的附加信息。为便于实际实施,CDEs通过结构化病例报告表(case report forms)进行操作化,这些表格可整合到研究电子数据采集(Research Electronic Data Capture)系统中,以实现可扩展的实施。通过促进协调统一的实践,HFO CDEs旨在为癫痫的临床前和转化HFO研究提供共同的报告语言,增强方法学严谨性和透明度,并促进跨实验室及跨实验模型的比较。
Common Data Elements for HFOs(HFO通用数据元素)
此前已有针对一般电生理学应用开发CDEs和CRFs的努力,但该领域目前缺乏专门针对HFO的统一框架。因此,研究人员提出了一条用于临床前HFO研究的流程,按以下领域组织:(1)HFO记录;(2)HFO定义与检测;(3)HFO报告与量化;(4)生物学与疾病背景CDEs。在这4个领域内,研究人员定义了结构化的CDEs,并将其操作化为示例CRFs,以支持跨研究进行严谨、透明且可比较的数据收集和解释。这些领域被设计为对每只啮齿动物联合应用。
HFO Recording CDEs(HFO记录CDEs)
Acquisition Parameters(采集参数)
采样率从根本上决定了在不发生混叠的情况下可解析的最高频率,并影响HFO检测的时间精度。为记录高达500?Hz的HFOs,通常建议至少2?kHz的采样率,并配合约500?Hz的抗混叠滤波器。采样不足可能抑制或扭曲ripples和fast ripples,而更高的采样率以增加高频噪声或伪迹污染为代价提高记录保真度。建议硬件滤波器保持较宽范围:高通截止频率应保持足够低以保留慢波背景,而低通截止频率应设置足够高以保留感兴趣的最高频带,并与适当的抗混叠滤波器配合使用。用于抑制线路噪声及其谐波的陷波滤波器可进一步改变频谱特征,若应用过度,可引入类似高频事件的振铃伪迹。放大器耦合方式和配置也是相关的方法学参数,可能影响基线噪声特征,从而影响HFO的阈值和可检测性。
Electrode Characteristics(电极特性)
电极特性决定了神经元活动被采样的空间尺度和灵敏度。同一生物活动可能因电极尺寸和设计不同而呈现不同表现。临床记录中,大电极优先捕获更大神经元群体上的同步活动;而微电极对局部产生的高频事件更为敏感。人类研究也发现,HFO发生率和幅度均随电极尺寸增大而降低。电极阻抗影响HFO、噪声和信号传输,其效应取决于整个记录链路。电极类型、接触点和封装材料也影响信号质量和信噪比。记录接触点的数量和排列可能限制空间采样以及对HFO跨脑区分布的解读。高密度阵列配置提供更精细的空间分辨率,可能揭示原本会被遗漏或合并的小型、空间受限的HFO发生器。
Montage Configuration(导联配置)
由于每个记录信号都是相对于参考电极测量并由地电极稳定的,参考位置和地电极放置影响局部场电位、公共及容积传导活动以及环境噪声。双极和公共平均导联可增强局灶活动并限制广泛信号,而参考记录可能保留更广泛的场活动,但也可能更容易受容积传导影响。地电极放置影响信号稳定性及共模噪声的抑制,位置不当或不稳定的地电极可导致跨通道共享的显著噪声。
HFO Definition and Detection CDEs(HFO定义与检测CDEs)
Frequency Range Definition(频率范围定义)
HFOs包含相对短暂的事件(通常20–50?ms),频率范围约80至500?Hz或更高。多数研究中HFOs被细分为ripples(80–250?Hz)和fast ripples(250–500?Hz),但也存在其他截止方案,如80–200/200–500?Hz、80–240/240–500?Hz或将fast ripple范围延伸至600?Hz的混合方案。同一事件在不同流程中可能被标记为ripple或fast ripple。采集带宽或滤波也可改变估计的峰值频率。建议研究报告是否及如何定义ripple和fast ripple频带,各分类是否互斥,是否允许重叠或混合事件,以及包含两种频率成分的事件如何分类。若分析涉及高频活动(high-frequency activity, HFA)或超高频振荡(very HFOs,500?Hz–2?kHz),应明确定义并单独报告。
Event Criteria and Thresholding(事件标准与阈值设定)
事件标准和阈值直接决定哪些高频爆发被保留为HFOs,哪些被拒绝为亚阈值背景波动、尖锐瞬态或伪迹事件。HFOs通常被操作化为至少包含4个周期的事件,ripples通常比fast ripples持续时间更长。大多数情况下,超过6?ms的事件被视为疑似HFOs。更严格的最短持续时间或周期要求可能优先排除短时fast ripple候选事件,而更宽松的标准可能提高对短暂事件的敏感性,但也会增加误检风险。阈值设定同样影响显著:提高阈值可富集高幅度事件,降低阈值则增加检出量但牺牲特异性。基线的选择也改变检测结果,因为源自整个记录、通道特异性活动或选定安静基线段的阈值可产生非常不同的HFO计数。
Detection Method(检测方法)
视觉标记是识别HFOs最广泛使用的方法,目前被视为金标准,但耗时且主观。自动检测方法旨在提高效率和可重复性。均方根(root mean square, RMS)和Hilbert检测器主要对频带受限信号能量的瞬时增加敏感,线长方法对快速波形变化响应更强,而小波或时频检测器评估候选HFO是否在时频域形成紧凑的高频"岛",更符合视觉上对局部振荡事件的认识。机器学习和深度学习方法可同时整合多种信号特征,在某些设置中还能进一步区分伪迹与生理性HFOs,以及更具癫痫发生性的HFOs。检测器类型及其实现特征、软件平台、自定义代码和测试数据均应报告。
Validation and Artifact Rejection(验证与伪迹剔除)
验证和伪迹剔除直接塑造最终HFO数据集,决定哪些候选检测被保留为真实振荡,哪些被排除为自动检测后的假阳性事件。实践中,研究通过多种方式近似金标准,包括两名或多名评审者之间的一致性、评审者标记与自动检测的重叠,或单一评审者的判断。Cohen's kappa统计量已被用于评估评审者间或视觉与自动检测间的一致性。伪迹剔除同样具有直接影响:滤波后的尖锐瞬态、谐波、肌电(electromyography, EMG)、运动伪迹和宽带噪声经带通滤波后均可产生虚假振荡。要求时频确认或应用检测后剔除标准可减少假阳性并显著改变最终HFO负荷。
HFO Reporting and Quantification CDEs(HFO报告与量化CDEs)
Visualization of HFOs(HFO可视化)
应包含原始未滤波迹线,以揭示候选HFO是嵌入生物波形中,还是出现在尖锐瞬态、运动伪迹上,或代表跨多通道的宽带爆发。原始迹线还应辅以ripples和fast ripples的带通滤波迹线,以评估疑似事件是否局限于特定频率。时频图具有重要价值,可揭示候选HFO是形成紧凑或孤立的高频"岛",还是更宽泛、特异性较低的频谱模式(提示为滤波后的尖锐瞬态)。
Quantification(量化)
HFO检测可通过不同方式汇总,包括事件率、幅度、通道归一化率、行为状态特异性率或基于网络的测量。HFO率通常表示为每通道每分钟事件数,是最广泛使用的指标,但与其他汇总指标不可互换。HFO幅度可能表现出更大的时间稳定性和更好的发作起始通道区分能力。将HFO计数跨警觉状态合并可能掩盖特定睡眠-觉醒状态下的较高HFO率。HFO率也可能随记录时长而变化,因此建议采用较长记录进行量化。汇总统计量也会影响结果,均值更容易被短暂高HFO期拉高,而中位数受极端值影响较小。
Contextual Relationships(情境关系)
与发作间期癫痫样放电(interictal epileptiform discharges, IEDs)耦联的HFOs通常与孤立HFOs表现不同,结合IED和HFO信息可改变定位和结局预测。与慢波的耦联进一步改变解释:ripples和fast ripples均与睡眠慢波周期存在偏好相位关系,锁定于特定慢波相位的HFOs可能比未耦联事件与癫痫发生组织联系更紧密。ripple-fast ripple重叠增加了另一层背景信息,因为某些HFOs跨越两个频带。
Statistical Analysis(统计分析)
HFO数据通常是嵌套且非独立的:许多事件来自同一通道,许多通道来自同一动物,重复记录可能来自同一受试者。若忽略这些依赖性并将每个事件视为统计独立观测,效应量可能被夸大,显著性可能被高估。重复测量或分层模型可因考虑受试者和通道内的聚类而改变结论。按警觉状态、解剖区域或发作期分层同样改变HFO效应是否表现为条件特异性。功效分析信息、是否将性别纳入分析,以及雌性动物是否评估发情周期阶段,均可增强严谨性、可重复性和可解释性。
Reproducibility and Code Availability(可重复性与代码可用性)
公开可用的软件、代码和测试数据集使方法学选择可见且可检验,允许其他研究者重现检测、在同一数据上比较检测器,并确定报告的HFO效应是否跨数据集稳健。共享工具还可通过减少站点间未记录的差异来提高多中心可比性。应明确报告代码是否公开、按请求提供或不可用,使用了哪个代码仓库,以及生成最终HFO集所用的软件版本。如有可能,原始数据和代码应保存在公共仓库中,并附有README文件。
Biological and Disease Context Specific CDEs(生物学与疾病背景特异性CDEs)
Animal Characteristics(动物特征)
物种、品系、性别、年龄和发育阶段等动物特征可能显著影响HFO的发生和特性。激素水平和发情周期阶段可显著影响海马网络功能,进而可能影响HFO的表达。
Disease Characteristics(疾病特征)
HFO解释还取决于所用疾病模型、疾病连续体中的阶段、发作负荷以及疾病诱导或癫痫发作与记录之间的时间间隔。HFOs在脑损伤后相对较快出现,对发作出现具有一定预测价值,因此疾病/癫痫诱导后的时间是需要报告的重要变量。
Anatomy and Pathology(解剖与病理)
HFO特性随脑区、病理邻近性和脑状态而变化。海马中,生理性sharp wave-ripples(SWRs)在CA1区最显著,但CA2和CA3亚区也可参与ripple产生。齿状回SWR活动有限,但对齿状回尖波产生至关重要。在癫痫模型中,fast ripples已在CA1、CA2、CA3、齿状回及fasciola cinereum中被报道,表明病理性HFO活动可在多个位置出现。海马细胞层内的位置、近端-远端位置以及背侧-腹侧差异也可能影响HFO特性。与病理实体的邻近性可改变HFO测量,因为癫痫发生区域内HFO率高于区域外,且可能受与发作时间邻近性的影响。
Recording and Behavioral State(记录与行为状态)
HFOs受睡眠-觉醒周期影响。海马SWRs主要出现在非快速眼动(nonrapid eye movement, NREM)睡眠和清醒静止期间,在主动觉醒状态(如探索)期间发生率较低。病理性HFOs同样依赖行为状态:发作间期HFO率在NREM睡眠期间通常最高,睡眠被认为比清醒或快速眼动(rapid eye movement, REM)睡眠更能提高HFO对癫痫发生组织的空间特异性。HFO率可能随时间变化,短记录可能错误分类通道的病理状态,因此较长或状态匹配的片段可提供更稳定的HFO率和更可靠的通道分类。