Por que avaliar efeitos não nulos é importante para a validação de alvos em meta-análises de neuroimagem?

Avaliar se os efeitos são não nulos, em vez de simplesmente contar picos significativos, fornece uma medida mais precisa da presença e intensidade do efeito biológico. Isso reduz suposições falsas sobre alvos ao quantificar o tamanho do efeito e a incerteza, apoiando decisões confiáveis de validação de alvos na fase inicial de descoberta.

Como o isolamento de variáveis independentes (por exemplo, diagnóstico, modalidade) se insere no processo de descoberta em neuroimagem?

O isolamento de variáveis independentes, como o status de paciente versus controle ou a modalidade de imagem, permite atribuir claramente os efeitos observados a condições biológicas específicas. Isso auxilia na redução de riscos mecanicistas, garantindo que os sinais de neuroimagem reflitam alterações relacionadas à doença e não confundidores técnicos.

O que as medições quantitativas de variáveis dependentes (por exemplo, valores-d, valores-T) permitem na avaliação do alvo?

Saídas quantitativas como valores-d e valores-T fornecem medidas contínuas do tamanho e direção do efeito, permitindo comparações entre estudos e compostos. Essas métricas apoiam a confiança preditiva ao permitir decisões de avançar/não avançar com base em limiares, em vez de depender da significância binária.

Por que os requisitos de replicação (por exemplo, avaliação da heterogeneidade, testes de viés) são importantes para a colaboração multifuncional na validação de alvos?

A avaliação da heterogeneidade (I-quadrado) e do viés (gráfico em funil, significância excessiva) garante que os efeitos observados sejam consistentes entre os estudos e não sejam influenciados por artefatos metodológicos ou viés de publicação. Isso aumenta a confiança nos alvos entre equipes de descoberta, pré-clínicas e translacionais, fornecendo métricas transparentes de qualidade das evidências.

Quais são as capacidades de análise estatística necessárias antes de implementar o SDM-PSI para decisões de validação de alvo?

As capacidades exigidas incluem compreender testes de permutação para avaliação de efeitos não nulos, interpretar métricas de tamanho do efeito (valores d, valores T) e avaliar estatísticas de heterogeneidade e viés. As equipes também devem ser capazes de aplicar critérios de classificação de evidências que levem em conta níveis de significância, quantidade de dados e detecção de viés para tomadas de decisão informadas sobre portfólios.

Meta-análise de estudos de neuroimagem baseados em Voxel usando mapeamento d baseado em sementes com permutação de imagens de indivíduos (SDM-PSI)

85.4K vistas

Citado por 100

06:26 min

27 de novembro de 2019

10.3791/59841-v

27 de novembro de 2019

85.4K vistas

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

Detalhamos como realizar uma meta-análise de estudos de neuroimagem baseados em voxel usando mapeamento d baseado em sementes com permutação de imagens de indivíduos (SDM-PSI).