Dlaczego ocena efektów niezerowych jest istotna dla walidacji celu w metaanalizie neuroobrazowania?

Ocena, czy efekty są niezerowe, zamiast zwykłego zliczania istotnych statystycznie pików, zapewnia dokładniejszy pomiar obecności i siły efektu biologicznego. Pozwala to ograniczyć błędne założenia dotyczące celu poprzez kwantyfikację wielkości efektu i niepewności, co wspiera pewne decyzje w zakresie walidacji celu we wczesnej fazie odkrywania leków.

W jaki sposób izolowanie zmiennych niezależnych (np. diagnozy, modalności) wpisuje się w proces odkrywania w neuroobrazowaniu?

Izolowanie zmiennych niezależnych, takich jak status pacjenta w porównaniu z grupą kontrolną lub metoda obrazowania, umożliwia jednoznaczne przypisanie zaobserwowanych efektów do konkretnych stanów biologicznych. Wspiera to ograniczanie ryzyka mechanistycznego poprzez zapewnienie, że sygnały z neuroobrazowania odzwierciedlają zmiany związane z chorobą, a nie zakłócenia techniczne.

Co umożliwiają ilościowe pomiary zmiennych zależnych (np. wartości d, wartości T) w ocenie celu?

Wyniki ilościowe, takie jak wartości d i wartości T, dostarczają ciągłych miar wielkości i kierunku efektu, co umożliwia porównania między badaniami a związkami. Metryki te zwiększają pewność prognostyczną, pozwalając na podejmowanie decyzji typu go/no-go w oparciu o progi, zamiast polegać na binarnym istotności statystycznej.

Dlaczego wymogi dotyczące replikacji (np. ocena heterogeniczności, testowanie obciążenia) są istotne dla współpracy międzyfunkcyjnej w procesie walidacji celu?

Ocena heterogeniczności (I-squared) i błędu systematycznego (wykres lejkowy, nadmiarowa istotność) pozwala upewnić się, że zaobserwowane efekty są spójne we wszystkich badaniach i nie wynikają z artefaktów metodologicznych ani błędu publikacji. Zwiększa to zaufanie do celów terapeutycznych w zespołach zajmujących się odkrywaniem leków, badaniami przedklinicznymi i translacyjnymi, dostarczając przejrzyste metryki jakości dowodów.

Jakie możliwości analizy statystycznej są wymagane przed wdrożeniem SDM-PSI w celu podejmowania decyzji dotyczących walidacji celu?

Wymagane kompetencje obejmują rozumienie testowania permutacji w celu oceny efektów niezerowych, interpretację miar wielkości efektu (wartości d, wartości T) oraz ocenę statystyk heterogeniczności i obciążenia. Zespoły muszą być również w stanie stosować kryteria oceny jakości dowodów, uwzględniające poziomy istotności, ilość danych oraz wykrywanie obciążenia, w celu podejmowania świadomych decyzji dotyczących portfela.

Metaanaliza badań neuroobrazowania opartych na wokselach przy użyciu mapowania d opartego na nasionach z permutacją obrazów obiektowych (SDM-PSI)

85.4K wyświetleń

Cytowany 100 razy

06:26 min

27 listopada 2019

10.3791/59841-v

27 listopada 2019

85.4K wyświetleń

Anton Albajes-Eizagirre¹^,² , Aleix Solanes¹^,² , Miquel Angel Fullana²^,³ , John P. A. Ioannidis⁴ , Paolo Fusar-Poli⁵^,⁶^,⁷ , Carla Torrent¹^,²^,³^,⁸ , Brisa Solé¹^,²^,³^,⁸ , Caterina Mar Bonnín¹^,²^,³^,⁸ , Eduard Vieta¹^,²^,³^,⁸ , David Mataix-Cols⁹ , Joaquim Radua¹^,²^,⁵^,⁹

¹Institut d'Investigacions Biomèdiques August Pi i Sunyer (IDIBAPS), ²Mental Health Research Networking Center (CIBERSAM), ³Institute of Neurosciences, Hospital Clinic de Barcelona, ⁴Departments of Medicine, of Health Research and Policy, and of Biomedical Data Science, Stanford University School of Medicine, and Department of Statistics, Stanford University School of Humanities and Sciences, ⁵Department of Psychosis Studies, Institute of Psychiatry, Psychology and Neuroscience, King's College London, ⁶OASIS Service, South London and Maudsley NHS Foundation Trust, ⁷Department of Nervous System and Behavioral Sciences, University of Pavia, ⁸University of Barcelona, ⁹Centre for Psychiatric Research and Education, Department of Clinical Neuroscience, Karolinska Institutet

Szczegółowo opisujemy, jak przeprowadzić metaanalizę badań neuroobrazowania opartych na wokselach za pomocą Mapowania d opartego na nasionach z permutacją obrazów obiektowych (SDM-PSI).