平衡数据质量和偏差:研究青少年大脑认知发育中的功能连接排除SM (ABCD研究) 在质量控制途径中

科学领域:

• 神经成像是一种神经成像.
• 神经科学是一个神经科学.
• 数据科学数据科学数据科学

背景情况:

• 静止状态fMRI (rs-fMRI) 分析通常不包括运动影响的数据.
• 数据质量和运动与参与者特征有关,特别是在儿科研究中.
• 在rs-fMRI研究中的质量控制 (QC) 决策涉及数据完整性与潜在偏差的平衡.

研究的目的:

• 调查参与者特征如何影响rs-fMRI数据中的排除.
• 探索不同数据集版本和动作清理值对数据纳入的影响.
• 为未来的神经成像研究设计和质量控制程序提供信息.

主要方法:

• 在ABCD数据集版本 (社区收集,第4版) 中对参与者纳入/排除的分析.
• 检查作为QC选择的运动冲洗值.
• 统计调查参与者特征与数据排除之间的关系.

主要成果:

• 从rs-fMRI分析中排除参与者与广泛的行为,人口和健康变量有显著的关联.
• 这些关联表明,在分析这些变量的rs-fMRI研究中,偏差结果的可能性很高.
• 这些发现在不同的数据集版本和QC选择中是一致的.

结论:

• 在rs-fMRI分析中缺少的数据必须正式考虑,以避免有偏见的解释.
• 改进的数据采集和分析技术对于最大限度地减少运动对数据质量影响至关重要.
• 开放数据集应包括全面的质量控制信息,以确保透明度和可重复性.