Meta-analisi degli studi di neuroimaging basati su Voxel utilizzando la mappatura d basata su semi con permutazione delle immagini soggetto (SDM-PSI)

La mappatura d basata sui semi è un metodo per mettere gli studi di neuroimaging meta-analizzando che possono sembrare contraddittori. Ad esempio, i risultati degli studi sulle anomalie della materia grigia nell'OCD. I precedenti metodi meta-analitici hanno comunemente valutato se gli studi supportano più picchi statistici in un motivo o in un altro, mentre SDM-PSI valuta se c'è un effetto in una particolare ragione.

I ricercatori hanno utilizzato principalmente SDM per indagare i substrati neurali delle funzioni psicologiche e dei disturbi neuropsichiatrici, che possono includere studi fMRI, VBM, DTI, PET o SBM. L'uso di SDM-PSI finora è abbastanza semplice. Tuttavia, i passaggi più importanti per condurre una meta-analisi corretta sono progettare un piano di meta-analisi accurato e raccogliere attentamente i dati.

Per eseguire una ricerca esaustiva, aprire il database di interesse e inserire varie parole chiave che consentiranno la ricerca di qualsiasi studio che possa soddisfare i criteri di inclusione. Quindi, registrare il numero di studi recuperati e il numero di studi esclusi per ogni motivo. Prendere in considerazione la creazione di un diagramma di flusso PRISMA con questi numeri.

Dopo aver letto i manoscritti di interesse per trovare i dati specifici da estrarre, per convertire i valori Z e P in valori T, fare clic su Converti picchi nel software SDM-PSI. Quindi utilizzare valori T positivi per picchi di aumento e valori T negativi per picchi di diminuzione, utilizzando la tabella per indicazioni su come decidere il segno dei valori T. In due studi di esempio, si utilizzano valori T positivi quando il segnale MRI è più alto nei pazienti che nei controlli.

E utilizzare valori T negativi quando il segnale MRI è inferiore nei pazienti rispetto ai controlli. Per introdurre i dati in SDM-PSI, aprire l'interfaccia utente grafica SDM-PSI e chiudere la finestra iniziale Informazioni. Fate clic su Cambia metaa analisi (Change meta-analysis) per selezionare una nuova directory vuota per la meta-analisi.

Fare clic su Editor tabelle SDM per immettere informazioni generali dagli studi e aprire un editor di testo per creare un file di testo per ogni studio per digitare le coordinate e i valori T dei picchi. E nominare il file, il programma software utilizzato e lo spazio stereotattico. Per la pre-elaborazione dei dati, fare clic sul pulsante di pre-elaborazione, selezionare la modalità degli studi nella casella di riepilogo con l'etichetta Modalità e premere OK. Attendere quindi alcuni minuti mentre il programma di permutazione delle immagini del soggetto ha calcolato le mappe dei limiti inferiore e superiore delle dimensioni potenziali dell'effetto.

Per eseguire l'analisi principale, fare clic sul pulsante Media e premere OK. Dopo che l'SDM-PSI ha condotto l'imputazione multipla e la meta-analisi, fare clic su Soglia, selezionare i valori P non corretti dell'analisi principale e fare clic su OK. SDM-PSI aprirà automaticamente sia MRIcron per visualizzare i risultati che una pagina web con un rapporto dettagliato dei risultati. Fare clic su Correzione errori per motivi familiari per selezionare l'analisi principale nella casella di riepilogo e fare clic su OK. Il programma SDM-PSI condurrà il test di permutazione per diverse ore o giorni. Alla fine del resto, fare clic su Soglia, selezionare la correzione TFCE dell'analisi principale e fare clic su OK. Il programma aprirà automaticamente sia MRIcron per visualizzare i risultati che una pagina web con un rapporto dettagliato dell'analisi.

Per eterogeneità, distorsione della pubblicazione e classificazione, fare clic su estrai, selezionare un picco dall'analisi principale e premere OK. Il programma aprirà automaticamente una pagina web con le statistiche di questo P.Registra la statistica di eterogeneità al quadrato I. Fare quindi clic sul pulsante Test di polarizzazione, selezionare un picco dall'analisi principale e fare clic su OK. Il programma aprirà automaticamente una pagina web con un grafico a imbuto e i risultati di un test per l'effetto di piccolo studio e un test per l'eccesso di significato. Quindi fare clic sul pulsante Classificazione evidenza dalla casella dell'utensile superiore.

Selezionare l'analisi principale dalla casella di riepilogo e fare clic su OK per visualizzare i risultati. Come osservato in queste mappe rappresentative, i pazienti con DOC hanno un volume di materia grigia statisticamente significativamente più piccolo nella corteccia frontale mediale cingolata anteriore dorsale. L'ammasso è moderatamente piccolo e si trova principalmente nell'area di Brodmann 32 con il picco dell'ammasso a MNI due, 32, 32 con un valore Z di 4,97 e un tasso di errore corretto per famiglie P di 0,01.

In questa analisi dei dati, la bassa statistica al quadrato I indica un'eterogeneità molto piccola e il grafico a imbuto non mostra asimmetrie. Gli aspetti chiave di una meta-analisi di successo sono la creazione di chiari criteri di inclusione ed esclusione, l'attenta raccolta dei dati e la non limitazione dei risultati ai valori P. SDM-PSI incorpora il modello lineare generale per il quale gli utenti potrebbero condurre metare regressioni o meta-compressioni di gruppi di studi e o confrontarlo con l'analisi.

Molte meta-analisi SDM hanno avuto una notevole influenza sui loro campi specifici. Ad esempio, diverse meta-analisi hanno rivelato interessanti effetti degli stimolanti sulle anomalie cerebrali osservate nell'ADHD.