为什么神经成像中的实验变化应该被接受?
Gregory Kiar1, Jeanette A Mumford2, Ting Xu3,4
1Center for Data Analytics, Innovation, and Rigor, Child Mind Institute, New York, NY, USA. gregory.kiar@childmind.org.
Nature communications
|November 1, 2024
概括
在数据分析中,特别是脑成像中,接受数据的可变性,可以提高研究结果的概括性,而不仅仅是可复制性. 这种方法提高了科学结果的整体质量和稳定性.
科学领域:
- 神经科学是一个神经科学.
- 数据科学数据科学数据科学
- 科学方法科学方法学
背景情况:
- 科学分析经常产生矛盾的结果,尽管可重复性.
- 仅仅是可复制性并不能保证发现的有效性,实用性或通用性.
- 数据分析中的可变性是科学研究中的一个常见挑战.
研究的目的:
- 探索如何在数据分析中接受变性可以提高研究结果的概括性.
- 在脑成像中对设计决策进行上下文化,以捕捉分析变化.
- 讨论变异性捕获对科学成果质量的影响.
主要方法:
- 专注于在数据分析工作流程中接受变化.
- 在脑成像研究中对设计选择进行背景化.
- 在实践中提供变异性捕获的例子.
- 讨论可变性对结果质量的影响.
主要成果:
- 数据分析中的变量可以导致更可概括的结果.
- 脑成像中的特定设计决策可以捕捉并利用分析变异.
- 接受变异性可以提高科学发现的稳定性和质量.
结论:
- 数据分析中的可变性不是一个限制,而是改善科学概括性的机会.
- 大脑成像中的战略设计可以利用变化来产生更高质量的结果.
- 该研究主张转向拥抱分析多样性的转变,以获得更强大的科学结论.


