经过实验性TBI后通过协调多部位神经成像数据改善损伤检测:神经创伤联盟研究中的转化结果项目
G Kislik1, R Fox1, A V Korotcov2,3
1UCLA Brain Injury Research Center, Department of Neurosurgery, Geffen Medical School, University of California at Los Angeles, Los Angeles, CA, United States.
Frontiers in neurology
|September 5, 2025
概括
使用NeuroCombat的数据协调可以提高中枢神经系统 (CNS) 疾病多部位神经成像研究的统计能力. 仔细删除异常物和虚拟种群聚合提高了其揭示真正生物差异的有效性.
科学领域:
- 神经成像
- 神经科学
- 生物统计学
背景情况:
- 多部位神经成像研究旨在获得更大,可重复的数据集以检测微妙的影响.
- 它可以消除特定站点的技术差异.
- 它对临床前中枢神经系统 (CNS) 疾病模型的统计能力的影响尚不清楚.
研究的目的:
- 评估NeuroCombat在协调多部位前临床创伤性脑损伤数据中的有效性.
- 评估数据协调对统计能力和损伤相关病理学的影响.
- 确定NeuroCombat是否可以提高多部位神经成像数据的可靠性.
主要方法:
- 在控制后的3天和30天内,从四个位置的184只老鼠中分析了分数异构数据.
- 应用和评估NeuroCombat协调模型,包括异常值的评估.
- 在协调之前和之后对效应大小,群体差异和声素病理的统计分析.
主要成果:
- 在数据中,NeuroCombat未能消除异常值比例 (> 5%) 和偏差值.
- 在删除一个异常点并使用聚合模拟群体进行协调后,效应大小和组效应增加 (p < 0.01).
- 统一改进了统计能力和检测伤害特定的皮质差异.
结论:
- 它的有效性取决于数据质量,特别是异常值和偏差的比例.
- 消除战略异常因素和假人口协调增强了NeuroCombat的实用性.
- 通过更好地区分生物效应与技术混,这种优化方法提高了多地点神经成像研究的可靠性.
