在人口精神病学神经成像中复制性和通用性

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.
• 数据科学数据科学数据科学

背景情况:

• 心理健康和大脑功能的横截面研究通常使用小样本,限制了统计能力和可复制性.
• 在大脑范围的关联中,小效应大小需要大样本大小 (数千个) 才能获得可靠的结果.
• 从历史上看,低功率样本阻碍了理解心理健康中的大脑行为关系的进展.

研究的目的:

• 要突出小样本大小如何阻碍心理健康-大脑功能研究中的可复制性.
• 根据效果大小基准提供样本规模目标,以实现基于效果大小基准的统计能力.
• 讨论精神病学神经成像中的概括性挑战和捷径学习风险.

主要方法:

• 分析精神健康和大脑功能的历史关联研究.
• 关于统计能力和可复制性的样本大小要求的基准分析.
• 在机器学习模型中对通用性问题和快捷方式学习进行概念分析,用于精神病学神经成像.

主要成果:

• 小样本大小是心理健康神经成像中可复制性差的主要驱动因素.
• 较大的样本可以提高可复制性,但不能保证对目标人群的概括性.
• 捷径学习可以导致大脑数据和心理健康现象之间的虚假关联.

结论:

• 未来的精神健康流行病学研究需要大量,多样化和全面评估的样本.
• 解决一般化失败,如快捷方式学习,对于有效的基于大脑的预测至关重要.
• 精神病学神经成像中的强有力的发现取决于克服小型,不足的研究的局限性.