Summary
우리는 주제 이미지 (SDM-PSI)의 순열을 가진 종자 기지를 둔 d 매핑을 사용하여 복셀 기지를 둔 신경 화상 진찰 연구 결과의 메타 분석을 수행하는 방법을 상세히 설명합니다.
Abstract
복셀 기반 신경 이미징 연구의 메타 분석을 수행하기위한 대부분의 방법은 효과가 null이 아닌지 여부를 평가하지 않지만 통계적 유의성의 피크의 수렴이 있는지 여부를 평가하고 이진 분류로 증거의 평가를 감소시다. 독점적으로 p-값을 기반으로 합니다(즉, 복셀은 "통계적으로 유의한" 또는 "비통계적으로 유의한"일 수 있습니다). 여기서는 표준 순열 테스트를 사용하여 효과가 null이 아닌지 평가하는 새로운 방법인 SDM-PSI(주체 이미지의 순열을 사용한 시드 기반 d 매핑)를 사용하여 메타 분석을 수행하는 방법을 자세히 설명합니다. 우리는 또한 통계적 유의수준(더 진보적에서 더 보수적으로), 데이터의 양 또는 잠재적 편향의 검출(예: 소규모 연구 효과)을 고려하는 일련의 기준에 따라 증거의 강도를 채점하는 방법을 보여줍니다. 과도하게 의미가 있습니다) 절차를 예시하기 위해, 우리는 강박 장애에서 복셀 기반 의 morphometry 연구의 메타 분석의 전도를 자세히 설명, 우리는 독자가 메타 분석을 복제 할 수 있도록 원고에서 이미 추출 된 모든 데이터를 제공 쉽게. SDM-PSI는 기능성 자기 공명 영상, 확산 텐서 이미징, 위치 방출 단층 촬영 및 표면 기반 모척 연구의 메타 분석에도 사용할 수 있습니다.
Introduction
자기 공명 화상 진찰의 소개부터, 신경 화상 진찰 지역 사회는 심리학 기능 및 신경 정신병 학 무질서의 신경 기판의 연구 결과의 수천을 간행했습니다. 이러한 발견을 요약하기 위해, 여러 가지 방법이 개발되었다1,2,3,4,5,6. 원래 복셀 기반 신경 이미징 연구는 통계적 유의성의 피크의 좌표를보고 (예를 들어, 환자와 대조군 사이의 회색 물질 볼륨의 비교), 메타 분석 방법은 일반적으로 특정 뇌 영역에서 피크의 수렴이 있는지 여부를 평가합니다.
그러나, 우리는 이전에 피크의 수렴을 위한 이 시험이 메타 분석 결과의 패턴 및 그들의 통계적 유의성에 영향을 미칠 수 있는 섬세한 가정에 의존한다는 것을 보여주었습니다7. 특히, 이러한 테스트는 복셀이 독립적이며 실제 회색 물질에서 복셀이 이웃과 상관 관계가 있고 복셀이 "거짓"피크를 가질 확률은 조직 조성에 따라 달라지므로 "거짓"피크의 동일한 확률을 가지고 있다고 가정합니다. 또한, 그들은 또한 통계 적 힘이 몇 가지 진정한 효과의 존재에서 증가 하는 등의 역설을 포함 하 고 여러 진정한 효과 있을 때 감소.
이러한 문제를 극복하기 위해 각 연구에 대한 통계적 효과의 뇌 지도를 제공하는 방법을 개발한 다음 표준 무작위 효과 메타 분석을 수행하여 효과가 0과 다른지 공식적으로 테스트합니다. 이 메서드는 "피사체 이미지순열을 가진 시드 기반 d 매핑"(SDM-PSI)8이라고 하며 주요 기능은 다음과 같습니다.
- 모순된 결과가 서로 를 취소할 수 있도록 관심 결과의 증가 및 감소(예: 활성화 및 비활성화)를 모두 고려합니다4;
- 신뢰성과 성능을 증가 랜덤 효과 모델링 효과 크기 추정의 사용9;
- 사용 가능한 3D 통계 이미지(즉, t-test 값의 지도)의 잠재적 동시 포함10;
- FSL "무작위화"도구(11)의것과 동일한 과목 기반 순열 시험;
- 임계값 없는 클러스터 향상(TFCE) 통계 사용12.
우리는 다른 곳에서 SDM 방법을 상세하고 완전히 검증했습니다4,8,10,13,14.
또한, 통계적 유의성(유의대 유의하지 않음)의 수준에 기초한 복셀의 이진 분류에 의존하지 말고, 반대로, 기준22의세트를 사용하여 증거의 강도를 평가하는 것이 좋습니다. 이진 통계적 유의성 감소는 거짓 긍정 및 거짓 음의비율(15)의잘못된 제어를 유도하는 반면, 기준은 통계적 유의성 수준의 범위를 사용하고 데이터 또는 잠재적 편향의 양을 고려한다. SDM-PSI 소프트웨어는 이러한 분류8을 수행하는 데 필요한 요소를 반환하므로 증거의 강도를 보다 세밀하게 분류할 수 있습니다.
여기에서 우리는 SDM-PSI를 사용하여 복셀 기지를 둔 신경 화상 진찰 연구 결과의 메타 분석을 수행하는 방법을 보여줍니다. 프로토콜을 예시하기 위해, 우리는 강박 장애 (강 박증)를가진 환자에서 회색 물질 이상을 조사 복셀 기반 모택 연구의 출판 메타 분석에서 데이터를 사용 4. 그러나, 우리는 초기 메타 분석에 채택 된 방법을 사용하지 않습니다, 하지만 전술 한 최첨단 절차. 독자는 분석을 복제하기 위해 당사 웹 사이트(http://www.sdmproject.com/)에서소프트웨어 및 이러한 데이터를 다운로드 할 수 있습니다.
복셀 기지를 둔 신경 화상 진찰 연구 결과의 메타 분석을 실행하기 위하여 작정인 모든 연구원은 이 프로토콜을 따를 수 있습니다. 이 방법은 기능적 자기 공명 영상(fMRI, 예를 들어, 자극에 대한 대담한 반응)16,복셀 기반 모가정 (VBM, 예를 들어, 회색 물질 부피)17,확산 텐서 이미징 (DTI, 예를 들어, 분획 이방성)18,위치 방출 단층 촬영 (PET, 예를 들어, 수용체 점유)19 및 표면 기반 모택 (SBM)
Protocol
1. SDM-PSI 설치
- https://www.sdmproject.com/software/ 이동하여 컴퓨터의 운영 체제용 SDM-PSI 버전을 ZIP 파일로 다운로드합니다.
- ZIP 파일의 압축을 풀수 있습니다. 문제를 방지하려면 경로에 공백이 없는 로컬 폴더 내에서 압축을 풀수 있습니다.
- SDM-PSI의 그래픽 인터페이스를 실행하려면 파일 SdmPsiGui를 클릭하고 자동으로 열리는 시작 정보 창을 닫습니다.
- SdmPsiGui 모든 필요한 경로를 찾을 수 없는 경우 자동으로 환경 설정 창을 표시 하도록 제공 합니다. 예를 누릅니다.
- MRICron이 컴퓨터에 설치되지 않은 경우 https://www.nitrc.org/frs/?group_id=152 가서 컴퓨터의 운영 체제 버전을 ZIP 파일로 다운로드하고 ZIP 파일을 압축 해제합니다.
- 기본 설정 창의 뇌 뷰어 탭에서 뇌 뷰어가 MRICron으로설정되어 있는지 확인하고 실행 형 뇌 뷰어 옆에 있는 폴더 아이콘을 클릭하여 MRICron 실행 을 찾습니다.
- 다른 탭에 남아 있는 모든 패스에 파란색 표시가 있는지 확인합니다.
- SdmPsiGui가 기본 설정 창을 자동으로 표시하지 않은 경우 도구 메뉴로 이동하여 환경 설정을 클릭합니다.
- 다중 스레딩 탭에서 계산에 사용할 동시 스레드 수를 지정합니다. 일부 SDM-PSI 계산은 몇 시간에서 며칠까지 매우 오랜 시간이 걸리며 수백 메가바이트에서 기가바이트까지 많은 양의 RAM 메모리를 사용합니다. 여러 스레드(병렬 처리)를 사용하면 시간이 크게 줄어들지만 사용된 메모리는 증가합니다.
- 환경 설정 창과 SdmPsiGui를 닫습니다.
2. 메타 분석 계획
- 정확한 질문을 지정합니다. 예를 들면, "강박 증을 가진 환자는 회색 물질 부피 지역 이상이 있습니까?"
- 연구의 체계적인 포함을 허용하는 명확한 포함 기준을 작성합니다. 예를 들어, "강 박 증과 건강 한 컨트롤을 가진 개인 사이 회색 물질 볼륨의 전체 뇌 복셀 기반 비교를 수행 하는 모든 연구".
- 특정 이유로 포함될 수 없거나 포함되지 않아야 하는 연구를 체계적으로 배제할 수 있는 명확한 배제 기준을 작성합니다. 예를 들어 "10명 미만의 환자, 중복된 데이터 집합 또는 필요한 정보를 검색할 수 없는 연구"를 포함합니다.
- 각 연구에서 추출할 데이터를 적어 둡니다. 다음 목록에는 권장 데이터가 포함되어 있습니다 (일부는 엄격하게 요구되지는 않지만 부재로 메타 분석이 좋지 않습니다).
- 연구의 식별.
- 샘플 크기입니다.
- 통계적 유의성 수준은 어떤 복셀이 통계적으로 유의한지를 결정하기 위해 연구에 사용된 t-값, z-값 또는 p-값이다.
- 소프트웨어 및 입체 공간. SDM-PSI에서 이해하는 소프트웨어 패키지 및 입체 공간 목록은 표 1을 참조하십시오.
- 피크의 좌표와 높이입니다. 피크의 높이는 t 값 또는 z 값이지만 p 값도 유용합니다.
- 샘플을 설명하거나 하위 그룹 분석 또는 메타 회귀를 수행하는 데 사용되는 변수입니다.
- 검토의 질을 높이기 위하여는, "신경 화상 진찰 메타 분석을 위한 10개의 간단한 규칙"20 및 PRISMA 체크리스트21를따르세요.
- 검토의 투명성을 높이려면 PROSPERO(https://www.crd.york.ac.uk/PROSPERO/)와 같이 공개적으로 사용 가능한 데이터베이스에프로토콜을 미리 등록하는 것이 좋습니다.
3. 철저한 검색
- 포함 기준을 충족할 수 있는 스터디를 찾을 수 있는 키워드 집합을 선택합니다. 예를 들어 키워드는 "강박 장애"와 "모가정", "복셀 기반" 또는 "복셀와이즈"일 수 있습니다.
- PubMed 및 과학 웹과 같은 데이터베이스에서 검색을 수행합니다.
- PubMed의 https://www.ncbi.nlm.nih.gov/pubmed/ 등 데이터베이스 웹 사이트로 이동합니다.
- 검색 쿼리를 입력합니다. 예제 메타 분석에서 쿼리는 "강박 장애"와 ("모가정" 또는 "복셀 기반" 또는 "복셀와이즈")일 수 있습니다. 이 쿼리에서 연산자 "AND"는 스터디에 모든 키워드가 있어야 함을 의미하고, 연산자 "OR"는 스터디에 하나 이상의 키워드가 있어야 함을 의미하며 괄호는 이러한 논리 적 작업의 순서를 나타냅니다. 따라서 검색된 연구에는 "강박 장애"라는 키워드와 "모포메이션", "복셀 기반" 또는 "복셀와이즈"라는 키워드 중 적어도 하나가 있어야 합니다. 다른 전략이 가능합니다.
- 포함/제외 기준을 적용합니다. 예를 들어, 데이터베이스에서 제공한 결과에서 강박 장애를 가진 환자와 전체 뇌 복셀 기반 의 morphometry 연구를 수행하는 제어 환자 간의 회색 물질 볼륨의 차이를 분석하는 기사만 선택하고 이전에 발표된 데이터를 다시 분석한 10명 미만의 환자 및 연구를 포함한 연구를 폐기합니다.
- 검색의 철저함을 높이려면 선택한 스터디에서 참조된 저작물을 통해 수동 검색을 수행하는 것이 좋습니다.
- 연구의 포함을 최대화하고 데이터 수집의 불확실성을 피하려면 해당 저자에게 연락하여 누락되었거나 불분명한 데이터를 요청하는 것이 좋습니다.
- 검색된 연구 수와 각 이유로 제외된 연구 수를 기록합니다. 이러한 숫자로 PRISMA 흐름 다이어그램21을 만드는 것이 좋습니다.
4. 데이터 수집
- 포함된 각 연구에 대해 원고를 읽고 추출할 특정 데이터를 찾습니다.
- 연구의 데이터를 체계적으로 저장합니다(예: 미리 서식이 지정된 스프레드시트 파일에 데이터를 입력). 입력 오류를 최소화하려면 관심 있는 숫자를 복사하여 붙여넣기하고 저장된 데이터를 다시 확인하는 것이 좋습니다.
- 통계적 유의수준이 명확하지 않은 경우 다음 권장 사항을 따르는 것이 좋습니다.
- 원고 보고서 가 두 개의 전체 뇌 통계 적 유의 성 수준을 사용하여 얻은 경우, 예를 들어 p-value < 0.001 다중 비교에 대한 수정없이 (지금부터, "수정되지 않은 임계 값") 및 가족별 오류 율 (FWER) & 0.05 (지금부터 " 수정된 임계값"))을 선택하고 이 수정되지 않은 임계값을 사용하여 얻은 모든 피크를 포함합니다. 수정되지 않은 임계값을 선호하는 이유는 일반적으로 연구가 수정되지 않은 임계값을 적용하는 피크를 더 많이 얻고, SDM은 더 많은 피크의 정보가 있는 경우 맵을 보다 정확하게 추정하기 때문입니다.
- 원고 보고서 증가에 대 한 수정 되지 않은 임계값 및 감소에 대 한 수정 된 임계값을 사용 하 여 얻은 피크 (또는 그 반대의 경우도 마찬가지) 수정 되지 않은 임계값을 선택 하지만 수정 된 임계값을 사용 하 여 얻은 피크만 포함 합니다. 이는 수정되지 않은 임계값을 사용하여 얻은 일부 피크를 삭제할 수 있기 때문에 보수적인 근사치입니다. 이 상황의 예로는 원고가 "일부 지역에서 FWER 보정 된 더 큰 회색 물질 볼륨을 감지했지만 수정되지 않은 p-value < < ; 0.001을 사용하여 모든 지역에서 더 작은 회색 물질 볼륨을 감지하지 못했습니다"와 같은 것을 예로 들 수 있습니다.
- 작성자는 클러스터 기반 통계를 적용한 경우 클러스터 형성 높이 임계값을 사용합니다. 일부 복셀은 임계값보다 높은 t-값을 가지고 있을 수 있지만 클러스터가 충분히 크지 않았기 때문에 저자는 이를 폐기했기 때문에 이는 보수적인 근사치입니다.
- 원고가 임계값을 지정하지 않은 경우 가장 작은 피크의 t 값보다 약간 작은 값을 사용합니다. 이 t-값을 사용하는 이유는 작성자가 클러스터에 대한 최소 크기를 요구하지 않고 이 통계적 유의성 임계값을 적용했다면 동일한 피크를 찾았을 것이기 때문입니다.
- 피크 정보를 기록할 때 다음을 수행합니다.
- 나머지 뇌에 대해 선택된 임계값보다 더 자유로운 통계적 유의성 임계값을 사용하여 얻은 피크를 제외합니다. 이 상황의 예는 저자가 일부 선행 뇌 영역에 더 많은 자유주의 임계 값 또는 작은 볼륨 보정을 적용 하는 경우.
- z-값과 p-값을 t 값으로 변환합니다. SDM-PSI 소프트웨어에서 피크 변환 버튼을 클릭하여 쉽게 변환할 수 있습니다. 또는 동일한 스프레드시트 파일(예: "=T.INV(1-0.001,34)"에서 p 값 = 0.001 및 34자유도에 변환합니다. 자유도는 표본 크기의 합계에서 매개 변수 수를 뺀 값으로, 두 개의 샘플 비교에서 원래 비교에 사용된 공변량 의 수를 두 개 더한 값입니다.
- 증가 피크(예: 활성화) 및 음수 t-값에 대해 양수 t-값을 사용하여 감소 피크(예: 비활성화)합니다. t-값의 기호를 결정하는 방법에 대한 지침은 표 2를 참조하십시오.
참고: 우리는 개인적인 의사 소통 후 연구 "휴벨"과 "Soriano-Mas"에서 정보를 얻었습니다.
5. SDM-PSI에 데이터 도입
- SdmPsiGui를 열고 시작 시작 창을 닫습니다(키를 닫는 동안 키를 누르지 마십시오).
- 그래픽 인터페이스의 왼쪽 상단에 있는 메타 분석 변경 단추를 클릭하여 메타 분석에 대한 디렉터리를 선택합니다(새로 선택된 빈 디렉토리가 수행).
- SDM 테이블 편집기를 클릭하여 식별(열 "연구"), 샘플 크기(열 "n1" 및 "n2"), 통계 적 임계값으로 사용한 t 값(열 "t_thr"), 하위 그룹 분석 또는 메타 회귀를 수행하는 기타 잠재적 변수를 포함하여 스터디의 일반 정보를 입력합니다.
- 선택한 디렉터리 내에서 각 피크의 좌표와 t 값을 사용하여 각 스터디에 대한 텍스트 파일을 만듭니다.
- [스터디 식별] + "소프트웨어] + "_" + "_" + [입체 공간] + ".txt"로 명명된 텍스트 파일을 만들려면 텍스트 편집기를 엽니다. 예를 들어 SPM으로 수행되고 MNI 공간의 좌표를 보고하는 연구 "Carmona"의 경우 텍스트 파일의 이름은 "Carmona.spm_mni.txt"여야 합니다. 연구에 피크가 없는 경우 소프트웨어 및 입체 공간은 "no_peaks"로 대체될 수 있습니다.
- 각 피크의 좌표와 t 값을 다른 행에 씁니다. 예를 들어 텍스트 파일 "Carmona.spm_mni.txt"의 첫 번째 행은 다음과 같아야 합니다.
40,39,21,-5.14
53,27,21,-3.77
56,23,20,-3.63
6. 전처리
- 왼쪽 메뉴 모음의 전처리 버튼을 클릭하고 "양식"이라고 표시된 목록 상자에서 스터디의 양식 수를 선택하고 확인을누릅니다. 예제 메타 분석에서 양식은 "VBM – 회색 물질"입니다.
- SDM-PSI가 잠재적 효과 크기의 하한및 상한의 맵을 계산하는 동안 대기(몇 분). SdmPsiGui는 실행 상태와 현재 프로세스의 예상 남은 시간을 표시하는 4개의 진행률 표시줄을 표시합니다. 계산 중에 "처리 상태" 옆의 원의 색상은 노란색이 되고 실행이 성공적으로 끝나면 녹색으로 변경되거나 실패하면 빨간색으로 변경됩니다.
7. 주요 분석
- 왼쪽 메뉴 모음에서 평균 버튼을 클릭하고 확인을누릅니다.
- SDM-PSI가 다중 대치 및 메타 분석을 수행하는 동안 대기(몇 분)(도1).
- 왼쪽 메뉴 도구 상자에서 임계값 단추를 클릭하고 기본 분석의 수정되지 않은 p-값을 선택하고 MyTest_uncorrp 확인을 누릅니다. SDM-PSI는 MRICron을 자동으로 열어 결과를 시각화하고 자세한 보고서가 있는 웹 페이지를 시각화합니다.
- 왼쪽 메뉴 도구 상자에서 FWE 수정 버튼을 누르고 목록 상자의 주요 분석(기본적으로 "MyTest")을 선택하고 확인을누릅니다.
- SDM-PSI가 순열 테스트를 수행하는 동안 기다립니다(몇 시간 또는 며칠).
- 왼쪽 메뉴 도구 상자에서 임계값 버튼을 클릭하고 기본 분석의 TFCE 수정(기본적으로 "MyTest_corrp_tfce")을 선택하고 확인을누릅니다. SDM-PSI는 MRICron을 자동으로 열어 결과를 시각화하고 자세한 보고서가 있는 웹 페이지를 시각화합니다.
8. 이질성, 출판 편향 및 채점
- 왼쪽 메뉴 도구 상자의 추출 단추를 클릭하고 기본 분석("기본적으로 MyTest_z_p_0.05000_10_neg_peak1")에서 피크를 선택하고 확인을누릅니다. SDM-PSI는 이 피크의 통계가 있는 웹 페이지를 자동으로 엽니다. 이질성 I2 통계를 적어 둡니다.
- 왼쪽 메뉴 도구 상자의 바이어스 테스트 버튼을 클릭하고 기본 분석("기본적으로 MyTest_z_p_0.05000_10_neg_peak1")에서 피크를 선택하고 확인을누릅니다. SDM-PSI는 깔때기 플롯과 소규모 연구 효과에 대한 테스트 결과및 과도한 유의성 에 대한 테스트가 있는 웹 페이지를 자동으로 엽니다. 전자는 깔때기 플롯에 비대칭이 있는지 여부를 테스트합니다(즉, 작은 연구에서 더 큰 효과 크기) 작은 연구 결과가 큰 효과 크기 또는 다른 바이어스 소스를 찾을 때만 게시되었음을 나타낼 수 있습니다. 후자의 테스트는 통계적으로 유의한 결과를 가진 연구 의 수가 예상보다 큰지 여부를 테스트, 이는 그들이 통계적으로 유의한 결과 또는 편견의 다른 소스를 찾을 경우에만 연구가 게시되었음을 나타낼 수 있습니다.
- 상단 도구 상자에서 증거 채점 버튼을 누르고 목록 상자에서 기본 분석(기본적으로 "MyTest")을 선택하고 확인을누릅니다. 몇 초 후, SDM-PSI는 자동으로 증거의 클래스를 보여주기 위해 MRICron을 엽니 다.
Representative Results
주요 분석의임계값(그림 2,단계 7.6)의 역문판 때 MRICron에서 개설된 맵에 나타난 바와 같이, 강박증 환자는 등쪽 전방 cingulate/내측 전두엽 피질에서 통계적으로 유의하게 작은 회색 물질 부피를 가졌다. 첨부된 웹 페이지 세부 정보는 클러스터가 적당히 작고(143 복셀) 주로 Brodmann 영역 32에 위치하며 클러스터의 피크가 MNI[2, 32, 32]에 있고 z 값 -4.97 및 FWER 보정 p-값이 0.01임을 다릅니다.
8.1단계와 8.2단계에서 얻은 웹페이지에서는, 낮은 I2 통계(1.5%)가 매우 작은 이질성을 나타내고, 깔때기 플롯은 비대칭을 나타내지 않습니다(그림 3),작은 연구 효과에 대한 테스트와 유의성의 초과에 대한 테스트는 모두 부정적입니다. 그러나, 등측 전방 피질에서 더 작은 회색 물질 부피의 증거는 적당히 약하다, MRICron에서 열린지도에 표시된 바와 같이, 증거를 채점 할 때, 특히 제한된 양의 데이터로 인해.
주요 분석이 덜 엄격한 통계적 유의수준(단계 7.3)을 사용하여 임계값화되었을 때, 환자는 또한 줄무늬 및 우수한 정수리 자이러스(교정되지 않은 p-값 = 0.00006 및 및 0.0002)는 각각 더 약하다고 간주되어야 한다.
그림 1: 평균 실행 중에 SDP-PSI 그래픽 사용자 인터페이스의 주 창입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2: 일치하는 건강한 대조군과 비교하여 강박 장애를 가진 환자에서 통계적으로 유의하게 더 작은 회색 물질 부피의 영역.
통계적 유의성의 클러스터는 143 복셀을 커버하고, MNI [2,32,32]에서 피크를 가지고 있으며, 주로 등쪽 전방 cingulate / 내측 전두엽 피질, Brodmann 영역 32를 포함한다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 3: 등쪽 전방 에서 통계적으로 유의하게 작은 회색 물질 부피의 클러스터의 피크에 대한 깔때기 플롯 은 피질을 cingulate. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
| 소프트웨어 패키지 | SDM에서코딩 |
| 통계 파라메트릭 매핑(SPM) | Spm |
| FMRIB 소프트웨어 라이브러리(FSL) | Fsl |
| 기타 패키지 | 다른 |
| 입체 공간 | SDM에서코딩 |
| 몬트리올 신경 연구소 (MNI) | mni |
| 원시 탈라이라흐 | 탈 |
| 브렛 변환을 사용하여 탈라이라흐로 변환된 MNI | 브렛 |
표 1: SDM-PSI에서 이해하는 소프트웨어 패키지 및 입체 공간 목록입니다.
| t-값은 다음과 같은 경우 양수여야 합니다. | t-값은 다음과 같은 경우 음수여야 합니다. | |
| 1개의 견본 fMRI 연구 결과 | 작업 > 기준선(활성화) | 작업 및 기준선(비활성화) |
| 2개의 표본 fMRI 연구 결과 | 환자 > 작업 및 베이스라인에서 제어 (하이퍼 활성화) | 환자 < 작업 및 베이스 라인에서 제어 > 기준선 (hypo-activation) |
| 환자 < 작업 및 lt; 기준선에서 제어 (비활성화의 실패) | 환자 > 작업 및 lt; 기준선에서 제어 (하이퍼 비활성화) | |
| 2개 샘플 VBM / FA 연구 | 환자 > 컨트롤 (더 큰 볼륨 / FA) | 환자 및 제어 (작은 볼륨 / FA) |
표 2: 피크의 t 값의 부호입니다.
Discussion
앞에서 소개한 것처럼 대부분의 복셀 기반 메타 분석 메서드는 몇 가지 제한사항이 있는 피크의 수렴을 위한 테스트를 사용한 다음 p-값에 따라 독점적으로 증거의 이진 분류를 수행합니다.
이 프로토콜에서는 효과의 통계적 유성을 평가하기 위한 표준 순열 테스트를 포함한 여러 긍정적인 특징을 갖는 SDM-PSI를 사용하여 복셀 기반 메타 분석을 수행하는 방법을 자세히 설명했습니다. 또한, 우리는 증거의 강도는 전적으로 하나의 통계적 유의성 수준에 의존 이진 분류를 넘어 기준의 집합을 사용하여 채점 할 수있는 방법을 보여줍니다.
예제 메타 분석의 복제를 용이하게 하기 위해 이전 메타 분석에서 원고에서 이미 추출된 데이터를 제공합니다. 흥미롭게도, 그 메타 분석의 원고에서, 증거는 우리가 업데이트 된 방법으로 발견 한 증거보다 더 강한 "것 같았다". 따라서 이전 복셀 기반 메타 분석에서 증거의 비체계적인 평가는 주의해서 취한다는 것을 건의합니다.
우리는 이 프로토콜에 따라, 신경 화상 진찰 메타 분석이 신경 화상 진찰 사실 인정의 기록의 풍부하고 더 세분화한 설명을 제공하기를 바랍니다.
Disclosures
저자는 공개 할 것이 없습니다.
Acknowledgments
이 작품은 미겔 서브 연구 계약 MS14/00041 및 연구 프로젝트 PI14/00292 계획 Nacional 드 I+D +i 2013-2016에 의해 지원되었다, 인스티투토 드 살루드 카를로스 III-Subdirección 일반 드 에바루아시온 y 포멘토 드 라 Investigación, 유럽 지역 개발 기금 (FEDER), 그리고 PFIS 사전 박사 계약 FI16/00311. 기금은 연구의 디자인과 행동에 아무런 역할이 없었다; 데이터의 수집, 관리, 분석 및 해석; 원고의 준비, 검토 또는 승인; 원고를 제출하기로 결정할 수 있습니다.
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).
