אנו מפרטים כיצד לבצע מטא-ניתוח של voxel מבוססי מחקרים נוירוהדמיה באמצעות מיפוי d מבוסס Seed עם תמורה של תמונות הנושא (SDM-PSI).
רוב השיטות לניהול מטא-ניתוח של מחקרים נוירוהדמיה מבוססי voxel אינם מעריכים אם ההשפעות אינן null, אלא אם יש התכנסות של פסגות של משמעות סטטיסטית, ולהפחית את הערכת הראיות לסיווג בינארי בלעדית על פי ערכים (כלומר, voxels יכול להיות רק “משמעותי מבחינה סטטיסטית” או “משמעותי לא מבחינה סטטיסטית”). כאן, אנו מפרטים כיצד לבצע מטא-ניתוח באמצעות מיפוי d מבוסס-Seed עם תמורה של תמונות נושא (SDM-PSI), שיטה מקורית המשתמשת בקריאה סטנדרטית כדי להעריך אם ההשפעות אינן null. כמו כן, אנו מראים כיצד לדרג את חוזק הראיות על פי מערכת קריטריונים הרואה מגוון של רמות מובהקות סטטיסטיות (מיותר ליברלית יותר), כמות הנתונים או זיהוי של הטיות פוטנציאליות (למשל, השפעה קטנה ועודף משמעות). כדי להדגים את הנוהל, אנו מפרטים את ההולכה של מטא-ניתוח של מחקרים מבוססי-הורמטריה המבוססים על voxel בהפרעה אובססיבית-כפייתית, ואנו מספקים את כל הנתונים שכבר חולצו מכתבי היד כדי לאפשר לקורא לשכפל את המטא-אנליזה בקלות. SDM-PSI יכול לשמש גם עבור כלים ניתוח של דימות תהודה מגנטית תפקודית, דיפוזיה הדמיה של טנסור, מיקום הפליטה של טומוגרפיה ולימודים מבוססי פני השטח.
מאז המבוא של דימות תהודה מגנטית, הקהילה הנוירוהדמיה פרסמה אלפי מחקרים של מצעים עצביים של פונקציות פסיכולוגיות הפרעות נפשיות. לסיכום ממצאים אלה פותחו מספר שיטות1,2,3,4,5,6. מחקרים המבוססים על דימות מוחי מבוססי voxel מדווחים על הקואורדינטות של הפסגות של המשמעות הסטטיסטית (למשל, בהשוואה לחומר האפור שבין מטופלים ובקרים), ושיטות מטא-אנליטיים בדרך כלל מאפשרות להעריך אם יש התכנסות של פסגות באזורי מוח מסוימים.
עם זאת, הצגנו בעבר כי בדיקות אלה להתכנסות של פסגות מסתמכות על הנחות עדינות שעשויות להשפיע על דפוסי התוצאות של המטא-ניתוח ועל המשמעות הסטטיסטית שלהם7. באופן ספציפי, בדיקות אלה מניחים כי voxels הם עצמאיים וכי יש להם את ההסתברות זהה “שווא” שיא, בעוד בחומר אפור אמיתי, voxels לתאם עם השכנים שלהם ואת ההסתברות כי voxels יש שיא “שווא” תלוי על הרכב הרקמה שלה. בנוסף, הם גם להקיף פרדוקסים כגון כי הכוח הסטטיסטי גדל בנוכחות של כמה אפקטים אמיתיים, ופוחתת כאשר יש השפעות אמיתיות מרובות.
כדי להתגבר על בעיות אלה, פיתחנו שיטה אשר מאשים את מפות המוח של אפקטים סטטיסטיים עבור כל מחקר ולאחר מכן מבצעת תקן אקראי השפעות מטה ניתוח כדי לבדוק באופן רשמי אם ההשפעות הן שונות מאפס. שיטה זו נקראת “מיפוי d מבוסס Seed עם תמורה של תמונות נושא” (SDM-PSI)8 והתכונות העיקריות שלה כוללות:
יש לנו מפורט ובתוקף באופן מלא את שיטות sdm במקום אחר4,8,10,13,14.
בנוסף, אנו מציעים לא להסתמך על סיווג בינארי של voxels מבוסס על רמת משמעות סטטיסטית (משמעותי לעומת לא משמעותי) אבל, לעומת זאת, הערכת הכוח של הראיות באמצעות סט של קריטריונים22. משמעות סטטיסטית בינארית מובילה לשליטה דלה בשיעורים החיוביים והשליליים השווא של15, ואילו הקריטריונים משתמשים בטווחים של רמות מובהקות סטטיסטיות ולוקחים בחשבון את כמות הנתונים או ההטיות הפוטנציאליות. The SDM-PSI התוכנה מחזירה את האלמנטים הדרושים כדי לבצע סיווג כזה8 ולכן הם יכולים להיות מועסק כדי להרשות לעצמם סיווג מיותר בחוזק של הראיות.
כאן אנו מראים כיצד לבצע מטה ניתוח של voxel מבוססי מחקרים נוירוהדמיה באמצעות SDM-PSI. כדי להדגים את הפרוטוקול, אנו משתמשים בנתונים ממטא-ניתוח שפורסם של מחקרים מבוססי וורמטריה המבוססים על voxel, שחקרו את החריגות בחומר האפור בחולים עם הפרעה אובססיבית-כפייתית (כפייתית)4. עם זאת, לא נשתמש בשיטות המועסקות במטא-אנליזה מוקדמת זו, אלא בהליכים החדישים ביותר האמורים לעיל. הקורא יכול להוריד את התוכנה ואת הנתונים האלה מהאתר שלנו (http://www.sdmproject.com/) כדי לשכפל את הניתוח.
כל החוקרים המבקשים לבצע מטא ניתוח של voxel מבוססי מחקרים נוירוהדמיה יכול לעקוב אחר פרוטוקול זה. ניתן להשתמש בשיטה עם דימות תהודה מגנטית תפקודית (fMRI, למשל, תגובה נועזת לגירוי)16, voxel-מבוסס וורמטריה (vbm, למשל, אמצעי אחסון אפור)17, דיפוזיה זנסור הדמיה (dti, למשל, החלקי anisotropy)18, מיקום הפליטה טומוגרפיה (PET, למשל, תפוסה הקולטן)19 ו מבוססי פני השטח ממורמטריה (sbm, למשל עובי הקליפת) לימודים
כפי שהוצג קודם לכן, רוב השיטות המבוססות על המטא-אנליטיים משתמשות במבחן להתכנסות של פסגות בעלי מגבלות מסוימות, ולאחר מכן מבצעות סיווג בינארי של הראיות בהתבסס על ערכי p.
בפרוטוקול זה, אנו מפורטים כיצד לנהל מטה-ניתוח המבוסס על voxel באמצעות SDM-PSI, שיש לו מספר תכונות חיוביות כולל מבחן תמורה סטנדרטית להערכת המשמעות הסטטיסטית של ההשפעות. בנוסף, אנו מראים כיצד ניתן לדרג את כוחה של הראיות באמצעות סט של קריטריונים שמעבר לסיווג בינארי המסתמך אך ורק על רמת מובהקות סטטיסטית אחת.
כדי להקל על השכפול של המטא-ניתוח לדוגמה, אנו מספקים את הנתונים שכבר חולצו מכתבי היד ממטה-ניתוח הקודם. מעניין, בכתב היד של המטא-אנליזה, ההוכחות “נראו” חזקות יותר מהראיות שמצאנו עם השיטות המעודכנות. לפיכך, אנו מציעים כי הערכות בלתי שיטתית של הראיות במטא-ניתוחים הקודמים המבוססים על voxel נלקחים בזהירות.
אנו מקווים כי בעקבות פרוטוקול זה, הדמיה ממוחשבת מטא-ניתוח לספק תיאור עשיר יותר מגרקה של הראיות של ממצאים נוירוהדמיה.
The authors have nothing to disclose.
עבודה זו נתמכת על ידי מיגל Servet חוזה מחקר MS14/00041 ופרויקט מחקר PI14/00292 מהתוכנית הנאסיונאל דה אני + D + I 2013-2016, המכון דה סולד קרלוס השלישי-כללי ההערכה הכללית של המחקר, הקרן האירופית לפיתוח האזור (פדר), ועל ידי PFIS חוזה קדם דוקטורט FI16/00311. לתורמים לא היה כל תפקיד בעיצוב ובניהול המחקר; איסוף, ניהול, ניתוח ופרשנות של הנתונים; הכנה, סקירה או אישור של כתב היד; וההחלטה להגיש את כתב היד לפרסום.