针对个性化,队列和人口研究的精神病学神经成像设计
Martin Gell1,2,3, Stephanie Noble4,5,6, Timothy O Laumann7
1Department of Psychiatry, Psychotherapy and Psychosomatics, Faculty of Medicine, RWTH Aachen University, Aachen, Germany. martygell@gmail.com.
概括
精神病学神经成像研究设计面临复制性挑战. 这项工作指导了精确的纵向研究和大量人群研究之间的选择,以获得强有力的证据和临床实用性.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 生物统计学 生物统计学
背景情况:
- 精神病学神经成像研究受到严谨性和可重现性问题的阻碍.
- 当前的研究设计往往优先考虑样本大小,测量范围或纵向数据,受资源限制和不同研究目标的影响.
研究的目的:
- 提供精神病神经成像研究设计的概述和视角.
- 引导研究人员在科学目标与资源限制之间取得平衡.
- 引入一个相互验证模型 (RVM) 来整合互补的研究设计.
主要方法:
- 启发式数据立方体框架用于对比关键设计特征.
- 讨论小样本,精确纵向研究和大样本,人口研究之间的权衡.
- 相互验证模型 (RVM) 的概念化.
主要成果:
- 精确的纵向研究 (例如个人和队列研究) 和大样本人口研究之间存在着根本的权衡.
- 精准研究擅长检查人体内机制和纵向变化.
- 人口研究是有效的评估普遍性跨多样化的个人差异.
结论:
- 补充研究设计,如精度和人口研究,在精神病学神经成像中提供了明显的优势.
- 拟议的相互验证模型 (RVM) 可以顺序整合这些设计,以增强证据积累.
- 这种综合方法旨在优化不同设计的优点,最终改善精神病学的长期临床效用.
更多相关视频
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
15.6K
10:43Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity
Published on: July 1, 2014
15.1K
