精神分裂症灰色物质体积异常:P值和效果大小推理框架之间的比较,使用大型和元分析
Xin Li1, Wenshuang Zhu1, Zhen Zhao1
1Department of Radiology, Tianjin Key Lab of Functional Imaging, Tianjin Institute of Radiology and State Key Laboratory of Experimental Hematology, Tianjin Medical University General Hospital, Tianjin 300052, China.
Schizophrenia bulletin
|June 27, 2025
概括
效果大小 (ES) 推断可靠地识别精神分裂症中的大脑异常,优于P值方法. 基于图像的元分析 (IBMA) 在多中心研究中显示了结构变化的优异检测.
科学领域:
- 神经成像是一种神经成像.
- 精神疾病 精神疾病
- 统计分析 统计分析
背景情况:
- 鉴定精神分裂症的概括性脑成像标记是由于数据聚合方法和p-hacking而具有挑战性的.
- 大规模的多中心数据集需要强大的统计方法来克服变化.
研究的目的:
- 为了比较效果大小 (ES) 推断与P值推断的有效性,用于识别精神分裂症中大脑异常.
- 为了评估不同的统计聚合方法:大分析 (Mega),基于图像的元分析 (IBMA) 和基于坐标的元分析 (CBMA).
主要方法:
- 分析了Voxel-wise灰色物质体积 (GMV) 差异,使用来自976名精神分裂症患者和801名对照患者的16个数据集的个人数据.
- 来自103项研究 (5151名患者,5438名对照) 的已公布的坐标数据使用P值和ES推断框架下的Mega-analysis,IBMA和CBMA进行了分析.
主要成果:
- P值大分析发现广泛的GMV异常 (94.85%的voxels) 对样本大小高度敏感.
- 效果大小 超级分析检测到较少的发声器 (24.63%) 中的核心异常,但对样本大小的抵抗性更大.
- 基于ES的IBMA和CBMA的表现优于P值方法,IBMA表现与Mega-analysis相当,结果优于CBMA.
结论:
- 效果大小推断在多中心神经成像研究中为统计聚合提供了优势.
- 基于图像的元分析 (IBMA) 显示了可靠检测精神分裂症中大脑结构异常的巨大潜力.
