<div dir="ltr"><div class="gmail_default" style="color:rgb(51,51,153)">Hello Liz, here's some quick thoughts below.</div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">If you haven't had a chance to please check GoogleScholar  methods and baselines in other navigation studies using eeg, such as those from Gramman, and in other published ustudies continuous data.See several papers that might be of interest to you about baselining (e.g., Delorme form Delorme and colleagues)<br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">-consider some baseline by taking something like at least 100ms  and upto 500 ms before video onset, or before the cue to make a decision. </div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">-consider any period where you know there is regularly no stimulation or active perception/decision-making in all the participants can be useful.</div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">- consider subtracting the mean of whole trial/epoch as a way to baseline.</div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">-consider a baseline of some kind (wherever you get it from) can help event-related signal pop out. That being said, if you are averaging multiple trials/epochs from one condition, you should be getting some picture of what might unique to that condition - without any baselining.</div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">-consider developing a general average baseline by using information from across all conditions. </div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">-i don't think you will be in big trouble if you compare two continuous conditions within subjects without baselining the trials/epochs. I've seen papers find ways to baseline, and others that don't baseline, and other that don't care.</div><div><br></div><div class="gmail_default" style="color:rgb(51,51,153)">-its' probably safest looking at regional power spectrum changes between conditions and groups. However you should see some effects in time-frequency across your conditions even without baselining. </div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)">-There are more and more studies using continuous data in vvarious ways that have similar issues, you are not alone.<br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div></div><div class="gmail_extra"><br><div class="gmail_quote">On Mon, Jan 25, 2016 at 4:57 PM, Liz Chrastil <span dir="ltr"><<a href="mailto:chrastil@bu.edu" target="_blank">chrastil@bu.edu</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr">Hello List<div><br></div><div>I'm new to EEG, and have a challenging situation when trying to do baseline correction. </div><div><br></div><div>My study is looking at a fairly continuous task.  It's a navigation study, and participants are spending ~8 min exploring a new virtual environment.  This exploration is broken up into choice points at intersections (they are not moving, and they press a button to indicate which way to turn or to go straight), and then a video showing the turn (or forward movement if they go straight).  However, we don't have a section that has no task at all, because we found that was too distracting to participants when they're trying to learn something.</div><div><br></div><div>We have two groups of participants (there is an additional experimental manipulation), and so are primarily going to be doing group analysis, but we might also want to do a few analyses on within-subjects differences.  For example, we might contrast theta during the video vs decision point epochs.  Times for videos range from 1500ms to 5000ms, decision points could vary quite a bit (depending on how long the person thinks about it), but average around 2000ms.</div><div><br></div><div>My question is, if we don't do any baseline correction for individual epochs (and just do some general filtering), is this going to lead to a lot of trouble?  Again, we're not really sure what we would baseline correct to in this situation.  We could try correcting the videos to the decision points, but that's basically like doing some other task and could lead to worse errors.  Or is this a tragic design flaw?</div><div><br></div><div>Thanks for your help!</div><div><br></div><div><br></div></div>
<br>_______________________________________________<br>
Eeglablist page: <a href="http://sccn.ucsd.edu/eeglab/eeglabmail.html" rel="noreferrer" target="_blank">http://sccn.ucsd.edu/eeglab/eeglabmail.html</a><br>
To unsubscribe, send an empty email to <a href="mailto:eeglablist-unsubscribe@sccn.ucsd.edu">eeglablist-unsubscribe@sccn.ucsd.edu</a><br>
For digest mode, send an email with the subject "set digest mime" to <a href="mailto:eeglablist-request@sccn.ucsd.edu">eeglablist-request@sccn.ucsd.edu</a><br></blockquote></div><br></div>