优化样本大小和统计方法用于深度大脑刺激中的概率甜点映射

科学领域:

• 神经外科 神经外科
• 神经学 神经学
• 生物统计学 生物统计学

背景情况:

• 深度大脑刺激 (DBS) 使用概率绘制来治疗运动障碍.
• 由于数据和统计方法的变化,当前的概率绘制方法面临普遍性挑战.
• 建立最低样本大小和一致的统计方法对于可靠的概率绘制至关重要.

研究的目的:

• 确定在DBS中稳定概率映射结果所需的最小样本大小.
• 确定在概率绘制结果中产生最高一致性的统计方法.
• 提高概率绘制在运动障碍治疗中的临床相关性和通用性.

主要方法:

• 分析了36名接受DBS手术的帕金森病患者的手术内刺激数据.
• 概率的甜点 (PSS) 计算使用样本大小从4到36名患者.
• 统计方法包括贝叶斯式t测试,维尔科克森测试与FDR校正,和维尔科克森测试与排列校正,与10次重复.

主要成果:

• 贝叶斯式t测试在所有测试指标上始终产生稳定的PSS.
• 稳定的PSS大小和心脏位点在至少14名患者中实现.
• 在18名患者中达到了PSS体积 (迪斯系数) 稳定性;贝叶斯式t测试显示出优异的一致性,特别是在较小的样本大小.

结论:

• 贝叶斯式t试验是计算DBS中稳定的PSS最合适的方法,特别是在小样本大小的情况下.
• 建议在帕金森病中采用至少14-18名患者的样本大小来进行可靠的概率测绘.
• 这些发现对于提高概率绘制的可靠性和临床适用性,改进诊断和优化干预措施至关重要.