Steve Luck及其团队一直在寻找一个能够用于检测ERP数据质量的指标，但一直没有最合适的指标可以实现该目标。
近期，Steve Luck,Andrew Stewart, Aaron Simmons和Mijke Rhemtulla一起开发了一个简单但较为方便有效的新指标：Standardized Measurement Error （SME）。1.它反映了噪声（即，EEG记录中的试验变化）对您实际用作研究中因变量的分数（例如，P3波的峰值潜伏期）产生影响的程度。这很重要，因为噪声的影响在不同的幅度和等待时间测量中会有所不同。例如，在此时间范围内，高频噪声将对300到500 ms之间的峰值幅度产生较大影响，而对平均电压的影响则相对较小。噪声的影响取决于噪声的性质以及您要测量的内容。2.它可以量化每个感兴趣的电极位点上每个参与者的数据质量，从而可以确定（例如）给定参与者的数据是否太嘈杂以至于不应将参与者排除在统计分析之外，或者是否应该给定电极插值。3.可以将其汇总到每个参与者中，从而可以估算噪声对效应量和统计功效的影响，并估算在增加或减少每个参与者的试验次数时，效应量和功效将如何变化。第二部分：SME的概念
SME是一个非常简单的指标：它仅仅只关注ERP数据中用于测量的指标的标准测量误差（例如，峰值潜伏期在300~500 ms之间值的标准测量误差）。它主要被用于解决以下问题：如果研究者在同一个参与者中反复进行此实验（如：疲劳等），并且研究者在每次重复中都获得了感兴趣的指标，那么这些指标的相似程度如何重复？例如，如果您在给定的参与者中重复进行了10,000次实验，并测量了10,000次重复中的每一次的P3峰值潜伏期，则可以通过计算10,000次的标准偏差（SD）来量化P3峰值潜伏期分数的一致性分数。SME指标提供了一种方法，可以使用您在与该参与者的一次实验中获得的数据来估算此SD。可以针对从平均ERP波形获得的任何ERP幅度或潜伏期来估算SME。如果将幅度量化为某个时间窗口上的平均电压（例如，P3的时间窗为300-500 ms），则SME估计起来很简单。如果您想量化峰值幅度或峰值潜伏期，您仍然可以使用SME，但是它需要一种称为Bootstrapping的稍微复杂一些的估算技术 。Bootstrapping非常方便和容易，它使您可以估算非常复杂的测量指标的SME，例如，对侧减去同侧差异波中N2pc组件的起始潜伏期。第三部分：SME的应用价值
您是否应该在自己的研究中开始使用SME来量化数据质量？是！！！如果您计算了SME，可以完成以下内容的判定：1.在修改数据分析步骤或实验设计功能时，确定数据质量是提高还是降低。2.注意会降低数据质量的技术问题（例如，电极点老化，研究助手经验不足） 3.确定纳入分析的参与者数据噪声是否太高以至于无法纳入分析，或者确定电极点噪声是否太高以至于应将其替换为内插值。4.比较不同的EEG记录系统，不同的记录程序和不同的分析过程，从而确定哪个产生最佳数据质量。如果研究人员开始定期在出版物中报告SME，那么SME将更有价值。这将使读者/审阅者能够客观地评估结果是否干净，令人难以接受的噪声或介于两者之间。同样，如果每份ERP论文都报告了SME，我们就可以轻松比较各个研究的数据质量，并且该领域可以确定哪种记录和分析程序可以产生最干净的数据。这最终将增加真实、可复制的发现的数量，并减少虚假、不可复制的发现的数量。 方式一：使用ERPLAB（8.0）进行计算。Luck等人在最新发布的ERPLAB（8.0）（https://github.com/lucklab/erplab/releases）中加入了计算SME的功能插件。ERPLAB(8.0)中计算SME的详细流程和说明可以查阅：https://github.com/lucklab/erplab/wiki/ERPLAB-Data-Quality-Metrics方式二：可以在示例数据和代码（https://osf.io/a4huc/）的基础上根据自己研究的实际需求进行修改后使用。注：关于SME计算的具体实现，请关注我们的后续推送。[1] Standardized Measurement Error as a Universal Measure of Data Quality for Event-Related Potentials: An Overview.https://psyarxiv.com/jc3sd/
[2] Standardized Measurement Error: A Universal Measure of Data Quality for Averaged Event-Related Potentials (v20b).https://psyarxiv.com/dwm64/
原文链接：https://erpinfo.org/blog/2020/4/28/data-quality