Konu Görüntülerinin Permütasyonu (SDM-PSI) ile Tohum bazlı d Haritalama kullanarak voksel bazlı nörogörüntüleme çalışmalarının meta-analizini nasıl yapacağımızı ayrıntılı olarak anlatıyoruz.
Voksel tabanlı nörogörüntüleme çalışmalarının meta analizini yapmak için kullanılan yöntemlerin çoğu, etkilerin null olup olmadığını, istatistiksel anlamlılık zirvelerinin yakınsaması olup olmadığını değerlendirmez ve kanıtların değerlendirilmesini ikili sınıflandırmaya düşürür. sadece p-değerlerine dayalıdır (yani voxel’ler sadece “istatistiksel olarak anlamlı” veya “istatistiksel olmayan anlamlı” olabilir). Burada, etkilerinull olup olmadığını değerlendirmek için standart bir permütasyon testi kullanan yeni bir yöntem olan Konu Görüntülerinpermütasyonu (SDM-PSI) ile Tohum tabanlı d Haritalama kullanarak bir meta-analiz nasıl yapılacağını ayrıntıları. Ayrıca, istatistiksel anlamlılık düzeylerini (daha liberalden daha muhafazakara), veri miktarını veya potansiyel önyargıların saptanmasını (örn. küçük çalışma etkisi) dikkate alan bir dizi kritere göre kanıtların gücünü nasıl derecelendirebileceğimizi de gösteriyoruz. ve önemi aşırı). Prosedürü örneklemek için, obsesif kompulsif bozuklukta voksel bazlı morfometri çalışmalarının meta-analizinin iletimini ayrıntılarıyla anlatıyoruz ve okuyucunun meta analizi ni çoğaltması için el yazmalarından elde edilen tüm verileri sağlıyoruz. Kolay -ca. SDM-PSI ayrıca fonksiyonel manyetik rezonans görüntüleme, difüzyon tensor görüntüleme, pozisyon emisyon tomografisi ve yüzey bazlı morfometri çalışmalarının meta-analizlerinde de kullanılabilir.
Manyetik rezonans görüntülemenin başlamasından bu yana, nörogörüntüleme topluluğu psikolojik fonksiyonlar ve nöropsikiyatrik bozuklukların nöral yüzeyleri hakkında binlerce çalışma yayınlamıştır. Bu bulguları özetlemek gerekirse,çeşitliyöntemler geliştirilmiştir 1,2,3,4,5,6. Orijinal voxel tabanlı nörogörüntüleme çalışmaları istatistiksel anlamlılık zirvelerinin koordinatlarını rapor rapor (örneğin, hastalar ve kontroller arasında gri madde hacminin karşılaştırılmasında) ve meta-analitik yöntemler genellikle bazı beyin bölgelerinde zirvelerin yakınsaması olup olmadığını değerlendirmek.
Ancak, daha önce zirvelerin yakınsama için bu testler meta-analiz sonuçları ve istatistiksel önemi7kalıpları etkileyebilecek hassas varsayımlar güveniyor göstermiştir. Özellikle, bu testler voxels bağımsız olduğunu varsayalım ve bir “yanlış” tepe aynı olasılık varsaymak, gerçek gri madde ise, voxels komşuları ile ilişkili ve bir voxel bir “yanlış” tepe olması olasılığı doku kompozisyonuna bağlıdır. Buna ek olarak, onlar da istatistiksel güç birkaç gerçek etkileri varlığında artar gibi paradokslar kapsar ve birden fazla gerçek etkileri olduğunda azalır.
Bu sorunların üstesinden gelmek için, her çalışma için istatistiksel etkilerin beyin haritalarını ortaya koyan ve daha sonra etkileri sıfırdan farklı olup olmadığını resmi olarak test etmek için standart bir rasgele etki meta-analizi gerçekleştiren bir yöntem geliştirdik. Bu yöntem “Konu Görüntülerinpermütasyonu ile Tohum tabanlı d Haritalama” (SDM-PSI)8 olarak adlandırılır ve ana özellikleri şunlardır:
Biz ayrıntılı ve tam olarak başka bir yerde4,8,10,13,14SDM yöntemleri doğruladı.
Buna ek olarak, voxels istatistiksel anlamlılık düzeyine göre bir ikili sınıflandırma güvenmemenizi öneririz (önemli vs önemli değil) ama, tersine, kriterleri bir dizi kullanarak kanıt gücünü değerlendirmek22. İkili istatistiksel anlamlılık indirgemesi yanlış pozitif ve yanlış negatif oranların kötü kontrolüne yol açar15,kriterler ise istatistiksel anlamlılık düzeyleriaralıklarını kullanır ve veri miktarını veya potansiyel önyargıları dikkate alır. SDM-PSI yazılımı böyle bir sınıflandırma8 yapmak için gerekli unsurları döndürür ve böylece kanıt gücünün daha ayrıntılı bir sınıflandırma göze istihdam edilebilir.
Burada SDM-PSI kullanarak voksel bazlı nörogörüntüleme çalışmalarının meta-analizini nasıl yapacağımızı gösteriyoruz. Protokolü örneklemek için, obsesif kompulsif bozukluğu (OKB) olan hastalarda gri madde anormalliklerini araştıran voksel bazlı morfometri çalışmalarının yayınlanmış meta-analizinden elde edilen verileri kullanıyoruz4. Ancak, bu erken meta-analizde kullanılan yöntemleri değil, yukarıda bahsedilen son teknoloji prosedürleri kullanacağız. Okuyucu analiz çoğaltmak için web sitemizden yazılım ve bu verileri indirebilirsiniz(http://www.sdmproject.com/).
Voksel bazlı nörogörüntüleme çalışmalarının meta-analizini yapmayı amaçlayan tüm araştırmacılar bu protokolü takip edebilirler. Bu yöntem fonksiyonel manyetik rezonans görüntüleme (fMRI, örneğin, bir uyarıcıya BOLD yanıtı)16, voksel bazlı morfometri (VBM, örneğin, gri madde hacmi)17, difüzyon tensor görüntüleme (DTI, örneğin, fraksiyonel asiztropi)18, pozisyon emisyon tomografisi (PET, örneğin, reseptör doluluk)19 ve yüzey tabanlı morfometri (SBM, örneğin kortikal kalınlık) çalışmaları/veri setleri.
Daha önce de belirtildiği gibi, voxel tabanlı meta-analitik yöntemlerin çoğu, bazı sınırlamaları olan zirvelerin yakınsaması için bir test kullanır ve daha sonra kanıtların yalnızca p değerlerine dayalı ikili bir sınıflandırmasını yapar.
Bu protokolde, etkilerin istatistiksel önemini değerlendirmek için standart permütasyon testi de dahil olmak üzere bir dizi olumlu özelliğe sahip Olan SDM-PSI kullanılarak voksel tabanlı bir meta-analizin nasıl yapılacağını ayrıntılı olarak anlattık. Buna ek olarak, kanıtların gücünün yalnızca bir istatistiksel anlamlılık düzeyine dayanan ikili sınıflandırmanın ötesine geçen bir dizi ölçüt kullanılarak nasıl derecelendirilebildiğini gösteriyoruz.
Örnek meta-analizin çoğaltılmasını kolaylaştırmak için, önceki bir meta-analizden el yazmalarından elde edilmiş verileri sağlıyoruz. İlginçtir ki, bu meta-analizin el yazmasında, kanıtlar güncellenmiş yöntemlerle bulduğumuz kanıtlardan “daha güçlü” görünüyordu. Bu nedenle, önceki voksel tabanlı meta analizlerde kanıtların sistematik olmayan değerlendirmelerin dikkatle alınmasını öneriyoruz.
Bu protokolden sonra nörogörüntüleme meta-analizlerinin nörogörüntüleme bulgularının kanıtlarının daha zengin ve daha granül bir tanımını sağlamasını umuyoruz.
The authors have nothing to disclose.
Bu çalışma Miguel Servet Araştırma Sözleşmesi MS14/00041 ve Araştırma Projesi PI14/00292 tarafından 2013-2016 Plan Nacional de I+D+i tarafından desteklenmiştir. Instituto de Salud Carlos III-Subdirección General de Evaluación y Fomento de la Investigación, Avrupa Bölgesel Kalkınma Fonu (FEDER) ve PFIS Doktora Öncesi Sözleşmesi FI16/00311 tarafından. Fon layıcıların çalışmanın tasarımında ve yürütülmesinde hiçbir rolü yoktu; verilerin toplanması, yönetilmesi, analizi ve yorumlanması; makalenin hazırlanması, gözden geçirilmesi veya onaylanması; ve makalenin yayımlanmak üzere gönderilmesine karar verir.