Summary
हम विषय छवियों (एसडीएम-पीएसआई) के क्रमपरिवर्तन के साथ बीज आधारित डी मैपिंग का उपयोग करके स्वर आधारित न्यूरोइमेजिंग अध्ययनों का मेटा-विश्लेषण कैसे करें।
Abstract
वोक्सल आधारित न्यूरोइमेजिंग अध्ययनों के मेटा-विश्लेषण करने के अधिकांश तरीके यह आकलन नहीं करते हैं कि क्या प्रभाव शून्य नहीं हैं, लेकिन क्या सांख्यिकीय महत्व की चोटियों का अभिसरण है, और बाइनरी वर्गीकरण के लिए सबूतों के आकलन को कम करता है विशेष रूप से पी-मूल्यों (यानी, वोक्सल केवल "सांख्यिकीय रूप से महत्वपूर्ण" या "गैर-सांख्यिकीय रूप से महत्वपूर्ण") के आधार पर। यहां, हम विषय छवियों (एसडीएम-पीएसआई) के क्रमपरिवर्तन के साथ बीज-आधारित डी मैपिंग का उपयोग करके मेटा-विश्लेषण कैसे आयोजित करते हैं, एक उपन्यास विधि जो यह आकलन करने के लिए एक मानक क्रमपरिवर्तन परीक्षण का उपयोग करती है कि क्या प्रभाव शून्य नहीं हैं। हम यह भी दिखाते हैं कि मानदंडों के एक सेट के अनुसार सबूतों की ताकत को कैसे ग्रेड किया जाए जो सांख्यिकीय महत्व के स्तर (अधिक उदार से अधिक रूढ़िवादी) की एक श्रृंखला पर विचार करता है, डेटा की मात्रा या संभावित पूर्वाग्रहों का पता लगाना (उदाहरण के लिए, छोटे अध्ययन प्रभाव और महत्व से अधिक)। प्रक्रिया का उदाहरण देने के लिए, हम जुनूनी-बाध्यकारी विकार में वोक्सल-आधारित मोर्पोमेट्री अध्ययन के मेटा-विश्लेषण के चालन का विस्तार करते हैं, और हम पांडुलिपियों से पहले से निकाले गए सभी डेटा प्रदान करते हैं ताकि पाठक को मेटा-विश्लेषण को दोहराने की अनुमति दी जा सके आसानी. एसडीएम-पीएसआई का उपयोग कार्यात्मक चुंबकीय अनुनाद इमेजिंग, प्रसार टेन्सर इमेजिंग, स्थिति उत्सर्जन टोमोग्राफी और सतह आधारित मॉर्पोमेट्री अध्ययन के मेटा-विश्लेषणों के लिए भी किया जा सकता है।
Introduction
चुंबकीय अनुनाद इमेजिंग की शुरूआत के बाद से, न्यूरोइमेजिंग समुदाय ने मनोवैज्ञानिक कार्यों और न्यूरोसाइकियाट्रिक विकारों के तंत्रिका सब्सट्रेट्स के हजारों अध्ययन प्रकाशित किए हैं। इन निष्कर्षों को संक्षेप में प्रस्तुत करने के लिए, कई विधियां विकसित की गई हैं, जिनमें से 1,2,3,4,5,6। मूल वोक्सल आधारित न्यूरोइमेजिंग अध्ययन सांख्यिकीय महत्व की चोटियों के निर्देशांक (उदाहरण के लिए, रोगियों और नियंत्रणों के बीच ग्रे मैटर वॉल्यूम की तुलना में) और मेटा-एनालिटिक विधियां आमतौर पर यह आकलन करती हैं कि कुछ मस्तिष्क क्षेत्रों में चोटियों का अभिसरण है या नहीं।
हालांकि, हमने पहले दिखाया है कि चोटियों के अभिसरण के लिए ये परीक्षण नाजुक मान्यताओं पर भरोसा करते हैं जो मेटा-विश्लेषण परिणामों के पैटर्न और उनके सांख्यिकीय महत्व7को प्रभावित कर सकते हैं। विशेष रूप से, इन परीक्षणों से लगता है कि वोक्सल स्वतंत्र हैं और उनके पास "झूठी" चोटी की एक ही संभावना है, जबकि वास्तविक ग्रे मामले में, वोक्सल अपने पड़ोसियों के साथ सहसंबंधित हैं और संभावना है कि एक स्वर "झूठी" चोटी है इसकी ऊतक संरचना पर निर्भर करता है। इसके अलावा, वे विरोधाभास को भी शामिल करते हैं जैसे कि कुछ सच्चे प्रभावों की उपस्थिति में सांख्यिकीय शक्ति बढ़ जाती है, और जब कई सच्चे प्रभाव होते हैं तो कम हो जाते हैं।
इन समस्याओं को दूर करने के लिए, हमने एक विधि विकसित की है जो प्रत्येक अध्ययन के लिए सांख्यिकीय प्रभावों के मस्तिष्क मानचित्रों को आरोपित करती है और फिर औपचारिक रूप से यह परीक्षण करने के लिए एक मानक यादृच्छिक-प्रभाव मेटा-विश्लेषण आयोजित करती है कि क्या प्रभाव शून्य से अलग हैं। इस विधि को "विषय छवियों के क्रमपरिवर्तन के साथ बीज-आधारित डी मैपिंग" (एसडीएम-पीएसआई)8 कहा जाता है और इसकी मुख्य विशेषताओं में शामिल हैं:
- ब्याज के परिणाम (जैसे, सक्रियण और निष्क्रियता) दोनों की वृद्धि और कमी के लिए लेखांकन ताकि विरोधाभासी निष्कर्ष एक दूसरे को रद्द कर दें4;
- यादृच्छिक-प्रभाव मॉडलिंग के साथ प्रभाव आकार अनुमानों का उपयोग, जो विश्वसनीयता और प्रदर्शन9को बढ़ाता है ;
- उपलब्ध 3डी सांख्यिकीय छवियों (यानी, टी-टेस्ट मूल्यों के नक्शे)10के संभावित एक साथ शामिल करना;
- विषय आधारित क्रमपरिवर्तन एफएसएल "यादृच्छिक" उपकरण11के समान परीक्षण;
- दहलीज मुक्त क्लस्टर वृद्धि (TFCE) सांख्यिकी12का उपयोग करें ।
हमनेएसडीएमके तरीकों को 4,8,10,13,14कहीं और विस्तृत और पूरी तरह से मान्य किया है .
इसके अलावा, हम सांख्यिकीय महत्व के स्तर (महत्वपूर्ण बनाम महत्वपूर्ण नहीं) के आधार पर स्वरों के बाइनरी वर्गीकरण पर भरोसा नहीं करने का सुझाव देते हैं, लेकिन इसके विपरीत,मानदंड22के एक सेट का उपयोग करके साक्ष्य की ताकत का आकलन करते हैं। बाइनरी सांख्यिकीय महत्व में कमी झूठी सकारात्मक और झूठी नकारात्मक दरों15के खराब नियंत्रण की ओर जाता है, जबकि मानदंड सांख्यिकीय महत्व के स्तर की पर्वतमाला का उपयोग करते हैं और डेटा या संभावित पूर्वाग्रहों की मात्रा को ध्यान में रखते हैं। एसडीएम-पीएसआई सॉफ्टवेयर इस तरह के वर्गीकरण8 का संचालन करने के लिए आवश्यक तत्वों को लौटाता है और इस प्रकार उन्हें साक्ष्य की ताकत का अधिक दानेदार वर्गीकरण करने के लिए नियोजित किया जा सकता है ।
यहां हम दिखाते हैं कि एसडीएम-पीएसआई का उपयोग करके वॉक्सल आधारित न्यूरोइमेजिंग अध्ययनों का मेटा-विश्लेषण कैसे किया जाए। प्रोटोकॉल का उदाहरण देने के लिए, हम वोक्सल आधारित मॉर्थोमेट्री अध्ययनों के प्रकाशित मेटा-विश्लेषण से डेटा का उपयोग करते हैं जो जुनूनी-बाध्यकारी विकार (ओसीडी)4के रोगियों में ग्रे मैटर असामान्यताओं की जांच करते हैं। हालांकि, हम उस प्रारंभिक मेटा-विश्लेषण में नियोजित तरीकों का उपयोग नहीं करेंगे, लेकिन उपरोक्त अत्याधुनिक प्रक्रियाएं। पाठक विश्लेषण को दोहराने के लिए हमारी वेबसाइट(http://www.sdmproject.com/)से सॉफ्टवेयर और इन डेटा को डाउनलोड कर सकता है।
सभी शोधकर्ताओं ने जो स्वर आधारित न्यूरोइमेजिंग अध्ययन का मेटा-विश्लेषण करने का लक्ष्य रखते हैं, वे इस प्रोटोकॉल का पालन कर सकते हैं । विधि कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI, उदाहरण के लिए, एक उत्तेजना के लिए बोल्ड प्रतिक्रिया)16,स्वर आधारित मॉर्पोमेट्री (VBM, के साथ इस्तेमाल किया जा सकता है, उदाहरण के लिए, ग्रे मैटर वॉल्यूम)17,डिफ्यूजन टेन्सर इमेजिंग (डीटीआई, उदाहरण के लिए, आंशिक एनीसोट्रोपी)18,स्थिति उत्सर्जन टोमोग्राफी (पीईटी, जैसे, रिसेप्टर ऑक्यूपेंसी)19 और सतह आधारित मॉर्पोमेट्री (एसबीएम, जैसे कॉर्टिकल मोटाई) अध्ययन/डेटासेट।
Protocol
1. एसडीएम-पीएसआई की स्थापना
- जिप फाइल के रूप में कंप्यूटर के ऑपरेटिंग सिस्टम के लिए एसडीएम-पीएसआई का वर्जन डाउनलोड करने के लिए https://www.sdmproject.com/software/ जाएं।
- जिप फाइल को डिकॉम्ब कर दें। समस्याओं से बचने के लिए, इसे अपने रास्ते में खाली स्थानों के बिना एक स्थानीय फ़ोल्डर के भीतर डिकंप्रेस करें।
- एसडीएम-पीएसआई के ग्राफिकल इंटरफेस को निष्पादित करने के लिए फाइल SdmPsiGui पर क्लिक करें, और लगभग छप खिड़की को बंद करें जो स्वचालित रूप से खुल जाएगी।
- यदि SdmPsiGui सभी आवश्यक रास्ते नहीं मिलता है, यह स्वचालित रूप से वरीयताओं खिड़की प्रदर्शित करने की पेशकश करेगा । प्रेस हां।
- यदि एमआरआईक्रोन कंप्यूटर में स्थापित नहीं है तो ज़िप फ़ाइल के रूप में कंप्यूटर के ऑपरेटिंग सिस्टम के लिए संस्करण डाउनलोड करने के लिए https://www.nitrc.org/frs/?group_id=152 में जाएं, और ज़िप फ़ाइल को डिकंप्रेस करें।
- वरीयताओं की खिड़की के मस्तिष्क दर्शक टैब में, यह सुनिश्चित करें कि ब्रेन व्यूअर एमआरआईक्रोनके लिए सेट है, और एमआरआईक्रोन निष्पादक खोजने के लिए निष्पादित मस्तिष्क दर्शक के बगल में फ़ोल्डर आइकन पर क्लिक करें।
- सुनिश्चित करें कि विभिन्न टैब में शेष सभी रास्तों में नीले निशान हैं, जो इंगित करते हैं कि पथ सही हैं।
- यदि SdmPsiGui ने स्वचालित रूप से वरीयताओं की खिड़की प्रदर्शित नहीं की है, तो टूल मेनू पर जाएं और वरीयताओं पर क्लिक करें।
- मल्टीथ्रेडिंग टैब में, गणना में उपयोग करने के लिए समवर्ती धागे की संख्या निर्दिष्ट करें। कुछ एसडीएम-पीएसआई गणनामें बहुत लंबा समय (घंटों से लेकर दिनों तक) लिया जाता है और बड़ी मात्रा में रैम मेमोरी (सैकड़ों मेगाबाइट से गीगाबाइट तक) का सेवन करें। कई धागे (समानांतर प्रसंस्करण) का उपयोग समय को काफी कम कर देता है लेकिन उपयोग की जाने वाली स्मृति को बढ़ाता है।
- वरीयताओं की खिड़की और SdmPsiGui बंद करो।
2. मेटा-विश्लेषण योजना
- एक सटीक प्रश्न निर्दिष्ट करना। उदाहरण के लिए, "क्या ओसीडी के साथ रोगियों ग्रे पदार्थ की मात्रा क्षेत्रीय असामान्यताएं हैं?"
- स्पष्ट समावेशन मानदंड लिखें जो अध्ययनों को व्यवस्थित रूप से शामिल करने की अनुमति देते हैं। उदाहरण के लिए, "ओसीडी और स्वस्थ नियंत्रण वाले व्यक्तियों के बीच ग्रे मैटर वॉल्यूम की पूरे मस्तिष्क वोक्सल-आधारित तुलना करने वाले सभी अध्ययन" ।
- स्पष्ट बहिष्कार मानदंड लिखें जो उन अध्ययनों के व्यवस्थित बहिष्कार की अनुमति देते हैं जिन्हें विशिष्ट कारणों से शामिल नहीं किया जा सकता है या नहीं किया जाना चाहिए। उदाहरण के लिए, "10 से कम रोगियों, डुप्लिकेट डेटासेट, या अध्ययन ों के साथ अध्ययन, जिनसे आवश्यक जानकारी प्राप्त नहीं की जा सकती है"।
- प्रत्येक अध्ययन से निकालने के लिए डेटा लिखें। निम्नलिखित सूची में अनुशंसित डेटा शामिल है (उनमें से कुछ की सख्ती से आवश्यकता नहीं है, लेकिन उनकी अनुपस्थिति मेटा-विश्लेषण को गरीब करेगी):
- अध्ययन की पहचान।
- नमूना आकार।
- सांख्यिकीय महत्व स्तर, जो टी मूल्य, जेड मूल्य या पी-मूल्य अध्ययन में इस्तेमाल के लिए निर्धारित करने के लिए जो स्वर सांख्यिकीय महत्वपूर्ण थे ।
- सॉफ्टवेयर और स्टीरियोटैक्टिक स्पेस। एसडीएम-पीएसआई द्वारा समझे गए सॉफ्टवेयर पैकेज और स्टीरियोटैक्टिक स्पेस की सूची के लिए टेबल 1 देखें ।
- चोटियों के निर्देशांक और ऊंचाई। चोटी की ऊंचाई इसका टी-वैल्यू या जेड-वैल्यू है, लेकिन एक पी-वैल्यू भी उपयोगी है।
- नमूने का वर्णन करने या उपसमूह विश्लेषण या मेटा-प्रतिगमन करने के लिए उपयोग किए जाने वाले चर।
- समीक्षा की गुणवत्ता बढ़ाने के लिए, "न्यूरोइमेजिंग मेटा-विश्लेषण के लिए दस सरल नियमों"20 और चश्मे चेकलिस्ट21का पालन करने पर विचार करें।
- समीक्षा की पारदर्शिता बढ़ाने के लिए, प्रोटोकाल को पहले से ही सार्वजनिक रूप से उपलब्ध डेटाबेस जैसे प्रोप्रोसो(https://www.crd.york.ac.uk/PROSPERO/)पर पंजीकृत करने पर विचार करें।
3. संपूर्ण खोज
- कीवर्ड का एक सेट चुनें जो किसी भी अध्ययन को खोजने की अनुमति देता है जो समावेशन मानदंडों को पूरा कर सकता है। उदाहरण के लिए, कीवर्ड "जुनूनी-बाध्यकारी विकार" के साथ-साथ "मॉर्पोमेट्री", "वोक्सल-आधारित" या "वोक्सलवार" हो सकते हैं।
- इस तरह के PubMed और विज्ञान के वेब के रूप में डेटाबेस पर खोज आचरण:
- डेटाबेस वेबसाइट पर जाएं, उदाहरण के लिए प्यूमेड के लिए https://www.ncbi.nlm.nih.gov/pubmed/।
- खोज क्वेरी टाइप करें। उदाहरण मेटा-विश्लेषण में, क्वेरी "जुनूनी-बाध्यकारी विकार" और ("मॉर्पोमेट्री" या "वोक्सल-आधारित" या "वोक्सलवार") हो सकती है। इस क्वेरी में, ऑपरेटर "एंड" का मतलब है कि अध्ययनों में सभी कीवर्ड होने चाहिए, ऑपरेटर "या" का मतलब है कि अध्ययनों में कम से कम एक कीवर्ड होना चाहिए, और कोष्ठक इन तार्किक कार्यों के क्रम को इंगित करते हैं। इसलिए, पुनः प्राप्त अध्ययनों में कीवर्ड "जुनूनी-बाध्यकारी विकार" और कम से कम कीवर्ड "मॉर्पोमेट्री", "वोक्सल-आधारित" या "वॉक्सलवाइज" होना चाहिए। ध्यान दें कि अन्य रणनीतियां संभव हैं।
- समावेशन/बहिष्कार मानदंड लागू करें । उदाहरण के लिए, डेटाबेस द्वारा प्रदान किए गए परिणामों से, केवल उन लेखों का चयन करें जो जुनूनी-बाध्यकारी विकार वाले रोगियों के बीच ग्रे मैटर वॉल्यूम में अंतर का विश्लेषण करते हैं और पूरे मस्तिष्क वोक्सल-आधारित मॉर्थोमेट्री अध्ययन करने वाले नियंत्रण ों को नियंत्रित करते हैं, और 10 से कम रोगियों और अध्ययनों सहित अध्ययनों को त्यागते हैं जो पहले प्रकाशित डेटा का फिर से विश्लेषण करते हैं।
- खोज की संपूर्णता बढ़ाने के लिए, चयनित अध्ययनों में संदर्भित कार्यों पर मैन्युअल खोज करने पर विचार करें।
- अध्ययन के शामिल किए जाने को अधिकतम करने और डेटा के संग्रह में अनिश्चितता से बचने के लिए, किसी भी लापता या अस्पष्ट डेटा के लिए पूछने के लिए संबंधित लेखकों से संपर्क करने पर विचार करें ।
- प्राप्त किए गए अध्ययनों की संख्या और प्रत्येक कारण से बाहर किए गए अध्ययनों की संख्या रिकॉर्ड करें। इन नंबरों के साथ एक चश्मे प्रवाह आरेख21 बनाने पर विचार करें।
4. डेटा का संग्रह
- प्रत्येक शामिल अध्ययन के लिए, पांडुलिपि को निकालने के लिए विशिष्ट डेटा खोजने के लिए पढ़ें ।
- अध्ययन ों से डेटा को व्यवस्थित रूप से सहेजें, उदाहरण के लिए, डेटा को प्री-फॉर्मेटेड स्प्रेडशीट फाइलों में टाइप करना। टाइपिंग त्रुटियों को कम करने के लिए, ब्याज की संख्या की नकल और चिपकाने पर विचार करें और सहेजे गए डेटा की दोहरी जांच करें।
- जब सांख्यिकीय महत्व स्तर अस्पष्ट है, इन सिफारिशों का पालन करने पर विचार करें:
- यदि पांडुलिपि दो पूरे मस्तिष्क सांख्यिकीय महत्व के स्तर का उपयोग करप्राप्त चोटियों की रिपोर्ट करती है, जैसे पी-वैल्यू & 0.001 कई तुलनाओं के लिए सुधार के बिना (अब से, "गलत सीमा") और परिवारवार त्रुटि दर (FWER) और lt;0.05 (अब से" सही सीमा "), गलत सीमा का चयन करें, और इस गलत सीमा का उपयोग कर प्राप्त सभी चोटियों को शामिल करें। गलत दहलीज पसंद करने का कारण यह है कि अध्ययन आमतौर पर एक गलत दहलीज लागू करने के लिए और अधिक चोटियों प्राप्त करते हैं, और एसडीएम नक्शे का अनुमान अधिक सही अगर यह अधिक चोटियों से जानकारी है ।
- यदि पांडुलिपि रिपोर्ट वृद्धि के लिए एक गलत सीमा का उपयोग कर प्राप्त चोटियों और घटने के लिए एक सही दहलीज (या इसके विपरीत), गलत दहलीज का चयन करें, लेकिन केवल सही दहलीज का उपयोग कर प्राप्त चोटियों शामिल हैं । यह एक रूढ़िवादी सन्निकटन है क्योंकि यह गलत सीमा का उपयोग कर प्राप्त कुछ चोटियों को त्याग सकता है। इस स्थिति का एक उदाहरण तब हो सकता है जब एक पांडुलिपि कुछ बताती है जैसे "हमने कुछ क्षेत्रों में एफडब्ल्यूईआर-सही बड़े ग्रे मैटर वॉल्यूम का पता लगाया, जबकि हमने किसी भी क्षेत्र में छोटे ग्रे मैटर वॉल्यूम का पता नहीं लगाया, यहां तक कि गलत पी-वैल्यू एंड एलटी; 0.001" का उपयोग करके।
- यदि लेखकों ने क्लस्टर-आधारित आंकड़े लागू किए हैं, तो क्लस्टर-बनाने वाली ऊंचाई सीमा का उपयोग करें। यह एक रूढ़िवादी सन्निकटन है क्योंकि कुछ स्वरों को सीमा से अधिक टी-मूल्य हो सकते थे, लेकिन लेखकों ने उन्हें छोड़ दिया क्योंकि उनके समूह काफी बड़े नहीं थे।
- यदि पांडुलिपि एक सीमा निर्दिष्ट नहीं करती है, तो छोटी चोटी के टी-मूल्य की तुलना में थोड़ा छोटा मूल्य का उपयोग करें। इस टी-वैल्यू का उपयोग करने का कारण यह है कि यदि लेखकों ने समूहों के लिए न्यूनतम आकार की आवश्यकता के बिना इस सांख्यिकीय महत्व सीमा को लागू किया होता, तो उन्हें एक ही चोटियां मिलती।
- चोटी की जानकारी रिकॉर्ड करते समय निम्नलिखित करते हैं:
- एक सांख्यिकीय महत्व दहलीज है कि मस्तिष्क के बाकी के लिए चयनित दहलीज से अधिक उदार है का उपयोग कर प्राप्त चोटियों को बाहर । इस स्थिति का एक उदाहरण है जब लेखकों को कुछ एक प्राथमिकताओं मस्तिष्क क्षेत्रों के लिए और अधिक उदार थ्रेसहोल्ड या छोटे मात्रा में सुधार लागू किया ।
- जेड-वैल्यूज और पी-वैल्यूज को टी-वैल्यूज में कन्वर्ट करें। बटन पर क्लिक करें एसडीएम-पीएसआई सॉफ्टवेयर में चोटियों को आसानी से बदलने के लिए परिवर्तित करें। वैकल्पिक रूप से, उन्हें एक ही स्प्रेडशीट फ़ाइल (जैसे, "=टी.आईईवी (1-0.001,34)" पी-वैल्यू = 0.001 और 34 डिग्री स्वतंत्रता के लिए परिवर्तित करें; स्वतंत्रता की डिग्री नमूना आकार ों का योग है जो मापदंडों की संख्या को कम कर ते हैं, जो दो-नमूना तुलना में दो प्लस मूल तुलना में उपयोग किए जाने वाले covariates की संख्या है)।
- वृद्धि की चोटियों के लिए सकारात्मक टी-मूल्यों का उपयोग करें (जैसे, सक्रियण) और कमी की चोटियों के लिए नकारात्मक टी-मान (जैसे, निष्क्रियता)। टी-वैल्यूज के साइन को तय करने के तरीके पर मार्गदर्शन के लिए तालिका 2 देखें ।
नोट: हमने व्यक्तिगत संचार के बाद अध्ययन "Heuvel" और "सोरियानो-मास" से जानकारी प्राप्त की।
5. एसडीएम-पीएसआई में डाटा की शुरुआत
- SdmPsiGui खोलें और छप खिड़की के बारे में बंद करें (इसे बंद करते समय किसी भी कुंजी दबाए जाने से बचें)।
- मेटा-विश्लेषण के लिए एक निर्देशिका का चयन करने के लिए ग्राफिकल इंटरफेस के ऊपरी-बाएं हिस्से पर परिवर्तन मेटा-विश्लेषण बटन पर क्लिक करें (पसंद की कोई नई खाली निर्देशिका क्या करेगी)।
- उनकी पहचान (कॉलम "अध्ययन"), उनके नमूना आकार (कॉलम "n1" और "n2"), टी-वैल्यू के रूप में उपयोग किए जाने वाले टी-वैल्यू t_thr और उपसमूह विश्लेषण या मेटा-प्रतिगमन का संचालन करने के लिए अन्य संभावित चर शामिल हैं, अध्ययनों से सामान्य जानकारी इनपुट करने के लिए बटन एसडीएम टेबल एडिटर पर क्लिक करें।
- चयनित निर्देशिका के भीतर, प्रत्येक अध्ययन के लिए प्रत्येक चोटी के निर्देशांक और टी-वैल्यू के साथ एक टेक्स्ट फाइल बनाएं:
- [अध्ययन की पहचान] + "" के रूप में नाम की एक पाठ फ़ाइल बनाने के लिए एक पाठ संपादक खोलें। + [सॉफ्टवेयर] + "_" + [स्टीरियोटैक्टिक स्पेस] + ".txt"। उदाहरण के लिए, एसपीएम के साथ किए गए अध्ययन "कार्मोना" के लिए और एमएएनआई अंतरिक्ष में निर्देशांक की रिपोर्ट करता है, पाठ फ़ाइल का नाम "Carmona.spm_mni.txt" होना चाहिए। यदि अध्ययन में कोई चोटियां नहीं हैं, तो सॉफ्टवेयर और स्टीरियोटैक्टिक स्पेस को "no_peaks" द्वारा प्रतिस्थापित किया जा सकता है।
- प्रत्येक चोटी के निर्देशांक और टी-वैल्यू को एक अलग पंक्ति में लिखें। उदाहरण के लिए, पाठ फ़ाइल "Carmona.spm_mni.txt" की पहली पंक्तियां होनी चाहिए:
40,39,21,-5.14
53,27,21,-3.77
56,23,20,-3.63
6. प्री-प्रोसेसिंग
- बाएं मेनू बार में प्रीप्रोसेसिंग बटन में क्लिक करें, "तौर-तरीक़ा" लेबल वाली सूची बॉक्स में अध्ययन के तौर-तरीकों का चयन करें और ओकेप्रेस करें। उदाहरण मेटा-विश्लेषण में, तौर-तरीके "वीबीएम - ग्रे मैटर" है।
- प्रतीक्षा करें (कुछ मिनट) जबकि एसडीएम-पीएसआई संभावित प्रभाव आकारों की निचली और ऊपरी सीमा के नक्शे की गणना करता है। SdmPsiGui चार प्रगति सलाखों कि निष्पादन की स्थिति और वर्तमान प्रक्रिया के लिए अपेक्षित शेष समय प्रदर्शित दिखाएगा । गणना के दौरान, "प्रसंस्करण स्थिति" के बगल में सर्कल का रंग पीला हो जाएगा, और यदि निष्पादन सफलतापूर्वक समाप्त होता है, या यदि यह विफल हो जाता है तो लाल रंग में बदल जाएगा।
7. मुख्य विश्लेषण
- बाएं मेनू बार में मतलब बटन पर क्लिक करें और ओकेप्रेस ।
- प्रतीक्षा करें (कुछ मिनट) जबकि एसडीएम-पीएसआई मल्टीपल इम्पुटेशन और मेटा-एनालिसिस(चित्रा 1)आयोजित करता है ।
- बाएं मेनू टूलबॉक्स में थ्रेसहोल्ड बटन पर क्लिक करें, मुख्य विश्लेषण ("डिफ़ॉल्ट रूप से MyTest_uncorrp" के गलत पी-मान ों का चयन करें और ठीक दबाएं। एसडीएम-पीएसआई परिणामों की कल्पना करने के लिए दोनों एमआरआईक्रोन को स्वचालित रूप से खोल देंगे और उनकी विस्तृत रिपोर्ट के साथ एक वेबपेज होगा।
- बाएं मेनू टूलबॉक्स पर एफडब्ल्यूई सुधार बटन दबाएं, सूची बॉक्स ("MyTest" डिफ़ॉल्ट रूप से) में मुख्य विश्लेषण का चयन करें और ठीक दबाएं।
- इंतजार (कुछ घंटे या दिन) जबकि एसडीएम-पीएसआई क्रमपरिवर्तन परीक्षा आयोजित करता है।
- बाएं मेनू टूलबॉक्स में थ्रेसहोल्ड बटन पर क्लिक करें, मुख्य विश्लेषण ("डिफ़ॉल्ट रूप से MyTest_corrp_tfce" के टीएफसीई-सुधार का चयन करें और ओकेदबाएं। एसडीएम-पीएसआई परिणामों की कल्पना करने के लिए दोनों एमआरआईक्रोन को स्वचालित रूप से खोल देंगे और उनकी विस्तृत रिपोर्ट के साथ एक वेबपेज होगा।
8. विषमता, प्रकाशन पूर्वाग्रह और ग्रेडिंग
- बाएं मेनू टूलबॉक्स पर निकालने बटन पर क्लिक करें, मुख्य विश्लेषण से एक चोटी का चयन करें ("डिफ़ॉल्ट रूप से MyTest_z_p_0.05000_10_neg_peak1") और ठीकप्रेस । एसडीएम-पीएसआई अपने आप इस चोटी के आंकड़ों के साथ एक वेबपेज खोलेंगे। विषमता मैं2 आंकड़ा लिखें।
- बाएं मेनू टूलबॉक्स पर पूर्वाग्रह परीक्षण बटन पर क्लिक करें, मुख्य विश्लेषण ("डिफ़ॉल्ट रूप से MyTest_z_p_0.05000_10_neg_peak1" से एक चोटी का चयन करें) और ठीकप्रेस करें। एसडीएम-पीएसआई स्वचालित रूप से एक कीप भूखंड के साथ एक वेबपेज और छोटे अध्ययन प्रभाव के लिए एक परीक्षण के परिणाम और अतिरिक्त महत्व के लिए एक परीक्षण खोल देंगे । पूर्व परीक्षण चाहे कीप प्लॉट (यानी, छोटे अध्ययनों में बड़े प्रभाव आकार) में विषमता हो, जो यह इंगित कर सकता है कि छोटे अध्ययन केवल तभी प्रकाशित किए जाते हैं जब उन्हें बड़े प्रभाव आकार या पूर्वाग्रह के अन्य स्रोत मिलते हैं। बाद परीक्षण है कि सांख्यिकीय महत्वपूर्ण परिणामों के साथ अध्ययन की संख्या की उंमीद से बड़ा है, जो संकेत मिल सकता है कि अध्ययन केवल प्रकाशित कर रहे है अगर वे सांख्यिकीय महत्वपूर्ण परिणाम या पूर्वाग्रह के अंय स्रोतों लगता है ।
- शीर्ष टूलबॉक्स से साक्ष्य ग्रेडिंग बटन दबाएं, सूची बॉक्स से मुख्य विश्लेषण ("माईटेस्ट" डिफ़ॉल्ट रूप से) का चयन करें और ओकेदबाएं। कुछ सेकंड बाद एसडीएम-पीएसआई अपने आप एमआरआईक्रोन खोलकर सबूतों की कक्षाएं दिखा देंगे।
Representative Results
जैसा कि मुख्य विश्लेषण(चित्रा 2,चरण 7.6) की थ्रेसहोल्डिंग करते समय एमआरआईक्रोन में खोले गए नक्शे में दिखाया गया है, ओसीडी वाले रोगियों में पृष्ठीय पूर्वकाल सिंगुलेट/मध्यस्थ ललाट कॉर्टेक्स में सांख्यिकीय रूप से काफी छोटे ग्रे मैटर वॉल्यूम थे। क्लस्टर मामूली रूप से छोटा (143 वॉक्सल) और मुख्य रूप से ब्रॉडमैन क्षेत्र 32 पर स्थित है, और क्लस्टर का शिखर एमएएनआई [2, 32, 32] पर स्थित है, इसका जेड-वैल्यू -4.97 और 0.01 का एफडब्ल्यूईआर-सही पी-वैल्यू है।
8.1 और 8.2 चरणों में प्राप्त वेबपेजों में, कम I2 आंकड़े (1.5%) बहुत छोटी विषमता इंगित करता है, कीप साजिश विषमता(चित्रा 3)नहीं दिखाती है, और छोटे अध्ययन प्रभाव के लिए परीक्षण और महत्व से अधिक के लिए परीक्षण दोनों नकारात्मक हैं। हालांकि, पृष्ठीय पूर्वकाल सिंगुलेट कॉर्टेक्स में छोटे ग्रे मैटर वॉल्यूम के सबूत मामूली रूप से कमजोर हैं, जैसा कि एमआरआईक्रोन में खुले नक्शे में दिखाया गया है, विशेष रूप से डेटा की सीमित मात्रा के कारण।
जब मुख्य विश्लेषण एक कम कठोर सांख्यिकीय महत्व स्तर (चरण ७.३) का उपयोग कर दहलीज था, रोगियों को भी सांख्यिकीय काफी बड़ा ग्रे पदार्थ की मात्रा में striatum और बेहतर पार्श्व gyrus (गलत पी मूल्यों = ०.००००६ और 0.0002 क्रमशः), लेकिन इन असामान्यताओं के सबूत कमजोर माना जाना चाहिए।
चित्रा 1: एक मतलब निष्पादन के दौरान एसडीपी-पीएसआई ग्राफिकल यूजर इंटरफेस की मुख्य खिड़की। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
चित्रा 2: मिलान स्वस्थ नियंत्रण की तुलना में जुनूनी-बाध्यकारी विकार वाले रोगियों में सांख्यिकीय रूप से काफी छोटे ग्रे मैटर वॉल्यूम के क्षेत्र।
सांख्यिकीय महत्व के क्लस्टर १४३ स्वर शामिल हैं, MNI [२,३२,३२] में अपनी चोटी है, और ज्यादातर पृष्ठीय पूर्वकाल सिंगुलेट/मध्यकालीन ललाट प्रांतस्था, Brodmann क्षेत्र ३२ भी शामिल है । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
चित्रा 3: पृष्ठीय पूर्वकाल सिंगुलेट कॉर्टेक्स में सांख्यिकीय रूप से काफी छोटे ग्रे मैटर वॉल्यूम के क्लस्टर के शिखर के लिए कीप प्लॉट। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।
| सॉफ्टवेयर पैकेज | एसडीएम में कोडिंग |
| सांख्यिकीय पैरामेट्रिक मैपिंग (एसपीएम) | Spm |
| एफएमरिब सॉफ्टवेयर लाइब्रेरी (एफएसएल) | Fsl |
| अन्य पैकेज | अन्य |
| स्टीरियोटैक्टिक स्पेस | एसडीएम में कोडिंग |
| मॉन्ट्रियल न्यूरोलॉजिकल इंस्टीट्यूट (एमएएनआई) | Mni |
| रॉ तलियाचन | ताल |
| MNI ब्रेट ट्रांसफॉर्म का उपयोग कर Talairach में परिवर्तित | ब्रेट |
तालिका 1: एसडीएम-पीएसआई द्वारा समझा एफ़ोस्ट पैकेज और स्टीरियोटैक्टिक रिक्त स्थान की सूची।
| टी-मान सकारात्मक होना चाहिए जब: | टी-मान नकारात्मक होना चाहिए जब: | |
| एक नमूना एफएमआरआई अध्ययन | कार्य और gt; बेसलाइन (सक्रियण) | कार्य और एलटी; बेसलाइन (निष्क्रियता) |
| दो नमूना एफएमआरआई अध्ययन | टास्क एंड जीटी; बेसलाइन (हाइपर-एक्टिवेशन) में मरीजों और नियंत्रण | मरीजों और लेफ्टिनेंट; टास्क में नियंत्रण > बेसलाइन (हाइपो-एक्टिवेशन) |
| रोगी और एलटी; कार्य में नियंत्रण और एलटी; बेसलाइन (निष्क्रियता की विफलता) | टास्क एंड एलटी; बेसलाइन (हाइपर-डिएक्टिवेशन) में रोगी और नियंत्रण | |
| दो नमूना VBM/एफए अध्ययन | रोगियों और gt; नियंत्रण (बड़ी मात्रा/एफए) | रोगियों और लेफ्टिनेंट; नियंत्रण (छोटी मात्रा/एफए) |
तालिका 2: चोटियों के टी-मूल्यों का संकेत।
Discussion
जैसा कि पहले पेश किया गया था, अधिकांश वोक्सल-आधारित मेटा-विश्लेषणात्मक विधियां चोटियों के अभिसरण के लिए एक परीक्षण का उपयोग करती हैं जिनमें कुछ सीमाएं हैं, और फिर विशेष रूप से पी-मूल्यों के आधार पर सबूतों का बाइनरी वर्गीकरण संचालित करती हैं।
इस प्रोटोकॉल में, हमने एसडीएम-पीएसआई का उपयोग करके एक वोक्सल आधारित मेटा-विश्लेषण कैसे किया जाए, जिसमें प्रभावों के सांख्यिकीय महत्व का आकलन करने के लिए एक मानक क्रमपरिवर्तन परीक्षण सहित कई सकारात्मक विशेषताएं हैं। इसके अलावा, हम दिखाते हैं कि कैसे सबूत की ताकत मानदंडों का एक सेट है कि एक बाइनरी वर्गीकरण है कि पूरी तरह से एक सांख्यिकीय महत्व के स्तर पर निर्भर करता है परे जाने का उपयोग कर वर्गीकृत किया जा सकता है ।
उदाहरण मेटा-विश्लेषण की प्रतिकृति को सुविधाजनक बनाने के लिए, हम पिछले मेटा-विश्लेषण से पांडुलिपियों से पहले से निकाले गए डेटा प्रदान करते हैं। दिलचस्प है, कि मेटा विश्लेषण की पांडुलिपि में, सबूत "लग रहा था" सबूत है कि हम अद्यतन तरीकों के साथ पाया से मजबूत । इसलिए हम सुझाव देते हैं कि पिछले स्वर आधारित मेटा-विश्लेषणों में साक्ष्यों का अव्यवस्थित मूल्यांकन सावधानी के साथ लिया जाता है ।
हमें उम्मीद है कि इस प्रोटोकॉल का पालन करते हुए, न्यूरोइमेजिंग मेटा-विश्लेषण न्यूरोइमेजिंग निष्कर्षों के सबूतों का एक समृद्ध और अधिक दानेदार विवरण प्रदान करते हैं।
Disclosures
लेखकों के पास खुलासा करने के लिए कुछ नहीं है ।
Acknowledgments
इस काम को मिगुएल सर्व्ट रिसर्च कॉन्ट्रैक्ट MS14/00041 और रिसर्च प्रोजेक्ट PI14/00292 ने प्लान नैसिनल डी आई + डी + आई 2013-2016 से सपोर्ट किया था, संस्थान ो डी सलुद कार्लोस III-Subdirección जनरल डी एवलुआसिओन वाई फोमेंटो डी ला Investigación, यूरोपीय क्षेत्रीय विकास कोष (FEDER), और PFIS Predoctoral अनुबंध FI16/00311 द्वारा । अध्ययन के डिजाइन और संचालन में फंडर्स की कोई भूमिका नहीं थी; संग्रह, प्रबंधन, विश्लेषण, और डेटा की व्याख्या; पांडुलिपि की तैयारी, समीक्षा या अनुमोदन; और प्रकाशन के लिए पांडुलिपि प्रस्तुत करने का निर्णय।
Materials
| Name | Company | Catalog Number | Comments |
| Computer | 32- or 64-bit Windows, 64-bit Mac OSX, or 64-bit Linux |
References
- Turkeltaub, P. E., Eden, G. F., Jones, K. M., Zeffiro, T. A. Meta-analysis of the functional neuroanatomy of single-word reading: method and validation. Neuroimage. 16 (3 Pt 1), 765-780 (2002).
- Laird, A. R., et al. ALE meta-analysis: controlling the false discovery rate and performing statistical contrasts. Human Brain Mapping. 25 (1), 155-164 (2005).
- Wager, T. D., Lindquist, M., Kaplan, L. Meta-analysis of functional neuroimaging data: current and future directions. Social Cognitive and Affective Neuroscience. 2 (2), 150-158 (2007).
- Radua, J., Mataix-Cols, D. Voxel-wise meta-analysis of grey matter changes in obsessive-compulsive disorder. British Journal of Psychiatry. 195 (5), 393-402 (2009).
- Eickhoff, S. B., et al. Coordinate-based activation likelihood estimation meta-analysis of neuroimaging data: a random-effects approach based on empirical estimates of spatial uncertainty. Human Brain Mapping. 30 (9), 2907-2926 (2009).
- Eickhoff, S. B., Bzdok, D., Laird, A. R., Kurth, F., Fox, P. T. Activation likelihood estimation meta-analysis revisited. Neuroimage. 59 (3), 2349-2361 (2012).
- Albajes-Eizagirre, A., Radua, J. What do results from coordinate-based meta-analyses tell us? Neuroimage. 176, 550-553 (2018).
- Albajes-Eizagirre, A., Solanes, A., Vieta, E., Radua, J. Voxel-based meta-analysis via permutation of subject images (PSI): Theory and implementation for SDM. Neuroimage. 186, 174-184 (2018).
- Bossier, H., et al. The Influence of Study-Level Inference Models and Study Set Size on Coordinate-Based fMRI Meta-Analyses. Frontiers in Neuroscience. 11, 745 (2017).
- Radua, J., et al. A new meta-analytic method for neuroimaging studies that combines reported peak coordinates and statistical parametric maps. European Psychiatry. 27 (8), 605-611 (2012).
- Winkler, A. M., Ridgway, G. R., Webster, M. A., Smith, S. M., Nichols, T. E. Permutation inference for the general linear model. Neuroimage. 92, 381-397 (2014).
- Smith, S. M., Nichols, T. E. Threshold-free cluster enhancement: addressing problems of smoothing, threshold dependence and localisation in cluster inference. Neuroimage. 44 (1), 83-98 (2009).
- Radua, J., et al. Anisotropic kernels for coordinate-based meta-analyses of neuroimaging studies. Frontiers in Psychiatry. 5, 13 (2014).
- Albajes-Eizagirre, A., Solanes, A., Radua, J. Meta-analysis of non-statistically significant unreported effects. Statistical Methods in Medical Research. 962280218811349, (2018).
- Durnez, J., Moerkerke, B., Nichols, T. E. Post-hoc power estimation for topological inference in fMRI. Neuroimage. 84, 45-64 (2014).
- Fullana, M. A., et al. Fear extinction in the human brain: A meta-analysis of fMRI studies in healthy participants. Neuroscience & Biobehavioral Reviews. 88, 16-25 (2018).
- Wise, T., et al. Common and distinct patterns of grey-matter volume alteration in major depression and bipolar disorder: evidence from voxel-based meta-analysis. Molecular Psychiatry. 22 (10), 1455-1463 (2017).
- Radua, J., et al. Multimodal voxel-based meta-analysis of white matter abnormalities in obsessive-compulsive disorder. Neuropsychopharmacology. 39 (7), 1547-1557 (2014).
- He, W., et al. Meta-analytic comparison between PIB-PET and FDG-PET results in Alzheimer's disease and MCI. Cell Biochemistry and Biophysics. 71 (1), 17-26 (2015).
- Muller, V. I., et al. Ten simple rules for neuroimaging meta-analysis. Neuroscience & Biobehavioral Reviews. 84, 151-161 (2018).
- Moher, D., Liberati, A., Tetzlaff, J., Altman, D. G., Group, P. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. British Medical Journal. 339, b2535 (2009).
- Radua, J., et al. What causes psychosis? An umbrella review of risk and protective factors. World Psychiatry. 17, 49-66 (2018).
