被検体画像の順列を用いた種子ベースのdマッピングを用いたボクセルベース神経イメージング研究のメタ分析(SDM-PSI)

被写体画像(SDM-PSI)の順列を用いたシードベースのdマッピングを用いてボクセルベースの神経イメージング研究のメタ分析を行う方法を詳述する。

ボクセルベースの神経イメージング研究のメタ分析を行うほとんどの方法は、効果がヌルでないかどうかを評価するのではなく、統計的有意性のピークの収束があるかどうかを評価し、エビデンスの評価を二項分類に減らす排他的にp値に基づいています(すなわち、ボクセルは「統計的に有意」または「非統計的に有意」のみ可能です)。ここでは、標準順列テストを使用して効果が null でないかどうかを評価する新しい方法である、被写体画像の順列を用いたシードベースのdマッピング(SDM-PSI)を用いてメタ分析を行う方法について詳しく説明します。また、統計的有意性レベルの範囲(よりリベラルなものから保守的なものまで)、データ量、潜在的バイアスの検出(例えば、小規模な研究効果)を考慮した一連の基準に従って、証拠の強度を評価する方法を示します。そして重要性の過剰)。手順を例示するために、強迫性障害におけるボクセルベースの形態測定研究のメタ分析の実施を詳述し、読者がメタ分析を複製できるように、原稿から既に抽出されたすべてのデータを提供します。簡単に。SDM-PSIは、機能的磁気共鳴イメージング、拡散テンソルイメージング、位置放射断層撮影および表面ベースの形態測定研究のメタアナリシスにも使用できます。

磁気共鳴画像の導入以来、神経イメージングコミュニティは、心理的機能と神経精神障害の神経基質の研究の数千を発表しています。これらの知見をまとめると、いくつかの方法が開発され^{ており、1,2,3,4,5,6}.オリジナルのボクセルベースの神経イメージング研究は、統計的有意性のピークの座標(例えば、患者と対照間の灰色物質体積の比較)を報告し、メタ分析法は、一般的に特定の脳領域にピークの収束があるかどうかを評価する。

しかし、我々は以前に、ピークの収束のためのこれらのテストは、メタ分析結果のパターンとその統計的有意^性7に影響を与える可能性のある繊細な仮定に依存することを示しました。具体的には、これらの検査はボクセルが独立しており、「偽」のピークの確率が同じであると仮定し、実際の灰色の問題では、ボクセルは隣人と相関し、ボクセルが「偽」のピークを持つ確率は組織組成に依存します。さらに、統計的な力が少ない真の効果の存在下で増加し、複数の真の効果がある場合に減少するようなパラドックスも含みます。

これらの問題を克服するために、各研究の統計的効果の脳マップを組み込み、その効果がゼロと異なるかどうかを正式にテストする標準的なランダム効果メタ分析を行う方法を開発しました。この方法は「被写体画像の順列を使用したシードベースのdマッピング」(SDM-PSI)8と呼ばれ、その主な機能は次のとおりです。

• 利害関係の結果の増加と減少(例えば、活性化と非アクティブ化)の両方を説明し、矛盾する所見が互いにキャンセルされるように^{する 4;}
• ランダム効果モデリングでエフェクトサイズ推定値を使用すると、信頼性とパフォーマンス^{が向上します。}
• 利用可能な3D統計画像(すなわち、t検定値のマップ)の同時包含の可能性^10;
• 被験者ベースの順列テストは、FSL「ランダム化」^ツール11のものと同じです。
• しきい値なしクラスタ拡張 (TFCE) 統計情報^{の使用 12}.

SDM メソッドを詳細かつ完全に検証^{しました。}

さらに、統計的有意性のレベルに基づくボクセルの二項分類に依存しないことをお勧めしますが(有意対有意ではない)が、逆に、一連の^基準22を用いて証拠の強度を評価する。二項統計的有意性低減主義は、偽陽性および偽陰性^率15の制御不良につながるのに対し、基準は統計的有意水準の範囲を使用し、データ量または潜在的バイアスを考慮に入れます。SDM-PSIソフトウェアは、このような^分類8を実施するために必要な要素を返し、したがって、それらは証拠の強度のより詳細な分類を与えるために使用することができます。

ここでは、SDM-PSIを用いたボクセルベースの神経イメージング研究のメタ分析を行う方法を示す。プロトコルを例示するために、強迫性障害(OCD)4の患者における灰色物質異常を調査したボクセルベースの形態測定研究の公表されたメタ分析からのデータを使用する。ただし、その初期のメタ分析で採用された方法は使用しませんが、前述の最先端の手順を使用します。読者は、分析を複製するために、当社のウェブサイト(http://www.sdmproject.com/)からソフトウェアとこれらのデータをダウンロードすることができます。

ボクセルベースの神経イメージング研究のメタ分析を行うことを目指すすべての研究者は、このプロトコルに従うことができます.この方法は、機能的磁気共鳴画像法(fMRI、例えば、刺激に対するBOLD^応答)16、ボクセル系形態測定(VBM、 例えば、灰色物質^体積)17、拡散テンソルイメージング(DTI、例えば、分画異方^性)18、位置放射断層撮影(PET、例えば、受容体^占有)19および表面ベースの形態測定(SBM、例えば皮質厚さ)研究/データセット。

1. SDM-PSIのインストール

1. https://www.sdmproject.com/software/にアクセスして、コンピューターのオペレーティング システムの SDM-PSI のバージョンを ZIP ファイルとしてダウンロードします。
2. ZIP ファイルを解凍します。問題を回避するには、パスに空白を含まないローカル フォルダ内で解凍します。
3. Sdm-PSIのグラフィカルインターフェイスを実行するには、ファイルSdmPsiGuiをクリックし、自動的に開く「について」ウィンドウを閉じます。
4. SdmpPsiGuiが必要なパスをすべて見つけられない場合は、自動的に環境設定ウィンドウを表示するように提供されます。[はい] をクリックします。
   1. MRICronがコンピュータにインストールされていない場合は、https://www.nitrc.org/frs/?group_id=152に移動して、ZIPファイルとしてコンピュータのオペレーティングシステムのバージョンをダウンロードし、ZIPファイルを解凍します。
   2. 環境設定ウィンドウの「脳ビューア」タブで、「脳ビューア」が「MRICron」に設定されていることを確認し、「脳ビューアの実行可能ファイル」の横にあるフォルダアイコンをクリックしてMRICron実行可能ファイルを見つけます。
   3. 異なるタブの残りのすべてのパスに青いマークが付いていること、つまりパスが正しいことを示します。
5. SdmPsiGui が環境設定ウィンドウを自動的に表示しない場合は、[ツール]メニューの [基本設定]をクリックします。
6. [マルチスレッド]タブで、計算に使用する同時スレッドの数を指定します。一部の SDM-PSI 計算には非常に長い時間 (数時間から数日) かかり、大量の RAM メモリ (数百メガバイトからギガバイト) を消費します。複数のスレッド (並列処理) を使用すると、時間は大幅に短縮されますが、使用されるメモリは増加します。
7. 環境設定ウィンドウと SdmpPsiGui を閉じます。

2. メタ分析計画

1. 正確な質問を指定します。例えば、「OCDの患者は灰色物質体積の局所的異常を有しているか」
2. 研究を体系的に含めることができる明確な包含基準を記述します。例えば、「OCDと健全なコントロールを持つ個人間の灰色物質体積の全脳ボクセルベースの比較を行ったすべての研究」。
3. 特定の理由で含めない、または含めないべきスタディを体系的に除外できる明確な除外基準を記述します。たとえば、「10 人未満の患者、重複したデータセット、または必要な情報を取得できないスタディ」などです。
4. 各スタディから抽出するデータを書き留める。次の一覧には、推奨されるデータが含まれています (その一部は厳密には必要ありませんが、その不在はメタ分析を必要とします)。
   • スタディの ID。
   • サンプルサイズ。
   • 統計的有意水準は、どのボクセルが統計的に有意であったかを判断するためにスタディで使用されるt値、Z値、またはp値です。
   • ソフトウェアとステレオタクティクティックスペース。SDM-PSI が理解するソフトウェア パッケージとステレオタクティクティック スペースのリストについては、表 1を参照してください。
   • ピークの座標と高さ。ピークの高さは t 値または Z 値ですが、p 値も役立ちます。
   • サンプルを記述したり、サブグループ分析やメタ回帰を実行したりするために使用される変数。
5. レビューの質を高めるために、「神経イメージングメタ分析のための10の簡単な^{ルール」20}とPRISMA^{チェックリスト21}に従うことを検討してください。
6. レビューの透明性を高めるには、プロスペロ (https://www.crd.york.ac.uk/PROSPERO/) などの一般に公開されているデータベースにプロトコルを事前に登録することを検討してください。

3. 徹底的な検索

1. 包含基準を満たす可能性のあるスタディを検索できる一連のキーワードを選択します。たとえば、キーワードは「強迫性障害」に「モルフォメトリー」、「ボクセルベース」、または「ボクセルワイズ」を加えたものがあります。
2. PubMed や Web of Science などのデータベースで検索を実行します。
   1. データベースの Web サイト (PubMedのhttps://www.ncbi.nlm.nih.gov/pubmed/など) に移動します。
   2. 検索クエリを入力します。メタ分析の例では、クエリは "強迫性障害" AND ("モルフォメトリー" または "ボクセルベース" または "ボクセルワイズ") である可能性があります。このクエリでは、演算子 "AND" はすべてのキーワードを持つ必要があることを意味し、演算子 "OR" はスタディに少なくとも 1 つのキーワードが必要であることを意味し、かっこはこれらの論理演算の順序を示します。したがって、取得された研究は、「強迫性障害」というキーワードと、「形態測定」、「ボクセルベース」または「ボクセルワイズ」というキーワードの少なくとも1つを持つ必要があります。他の戦略も可能であることに注意してください。
3. 包含/除外基準を適用します。例えば、データベースが提供する結果から、強迫性障害患者と脳全体のボクセルベースの形態測定研究を行う制御との間の灰色物質体積の違いを分析する記事のみを選択し、10人未満の患者を含む研究を破棄し、以前に発表されたデータを再分析した研究を破棄する。
4. 検索の完全性を高めるために、選択したスタディで参照されている作品を手動で検索することを検討してください。
5. 研究を最大限に活用し、データ収集の不確実性を避けるため、対応する著者に連絡して、欠落しているデータや不明瞭なデータを尋ねることを検討してください。
6. 取得したスタディの数と、各理由で除外されたスタディの数を記録します。これらの番号を持つ PRISMA フロー図²¹を作成することを検討してください。

4. データの収集

1. 含まれる各研究について、原稿を読んで抽出する特定のデータを見つけます。
2. 事前にフォーマットされたスプレッドシートファイルにデータを入力するなど、スタディのデータを体系的に保存します。入力エラーを最小限に抑えるには、対象の数をコピーして貼り付け、保存したデータを再確認することを検討してください。
3. 統計的有意性レベルが不明な場合は、次の推奨事項に従って下がるとします。
   1. 原稿が2つの脳全体の統計的有意性レベルを使用して得られたピークを報告する場合、例えばp値 < 0.001 複数比較の補正なし (今後は「未修正しきい値」)と家族的誤差率 (FWER) < 0.05 (今後は "修正されたしきい値")、未修正しきい値を選択し、この未修正しきい値を使用して取得したすべてのピークを含めます。修正されていないしきい値を優先する理由は、通常、スタディが修正されていないしきい値を適用してより多くのピークを取得し、SDM がより多くのピークからの情報を持っている場合、マップをより正確に推定することです。
   2. 原稿が増加の未修正しきい値を使用して取得したピークを報告し、減少の修正しきい値 (またはその逆) を報告する場合は、修正されていないしきい値を選択しますが、補正されたしきい値を使用して取得したピークのみを含めます。これは、補正されていないしきい値を使用して取得したピークを破棄する可能性があるため、保守的な近似値です。この状況の例としては、原稿に「一部の地域でFWER補正された大きな灰色物質の体積が検出されたが、補正されていないp値<0.001を使用しても、どの地域でも小さな灰色物質の体積は検出されなかった」と書かれている場合があります。
   3. 作成者がクラスターベースの統計情報を適用した場合は、クラスター形成高さのしきい値を使用します。一部のボクセルはしきい値より高いt値を持っていたかもしれないが、クラスターが十分に大きくなかったため、著者はそれらを破棄したので、これは保守的な近似値です。
   4. 原稿にしきい値が指定されていない場合は、最小ピークの t 値よりも少し小さい値を使用します。この t 値を使用する理由は、クラスターの最小サイズを必要とせずに、この統計的有意性しきい値を適用した場合、同じピークが見つかったためです。
4. ピーク情報を記録する場合は、次の操作を行います。
   1. 脳の残りの部分に対して選択されたしきい値よりも自由である統計的有意性しきい値を使用して得られたピークを除外します。この状況の例は、著者がより多くのリベラルな閾値またはいくつかの先行脳領域に小さなボリューム補正を適用した場合です。
   2. Z 値と p 値を t 値に変換します。SDM-PSIソフトウェアのピークを変換するボタンをクリックすると、簡単に変換できます。または、p値 = 0.001 および 34 自由度の場合、同じスプレッドシート ファイル ("=T.INV(1-0.001,34)" に変換します。
   3. 増加のピーク(例えば、活性化)には正のt値を使用し、減少のピーク(例えば、失活)には負のt値を使用します。t 値の符号を決定する方法については、表 2を参照してください。
      注:個人的なコミュニケーションの後、研究「ホイベル」と「ソリアーノ・マス」から情報を得た。

5. SDM-PSIへのデータ導入

1. SdmPsiGuiを開き、[スプラッシュについて]ウィンドウを閉じます (キーを閉じるときにキーが押されないようにします)。
2. グラフィカル・インターフェースの左上にある「メタ分析の変更」ボタンをクリックして、メタ分析用のディレクトリを選択します (選択した新しい空のディレクトリは選択します)。
3. ボタンSDM テーブル エディタをクリックして、識別 (列 "スタディ")、サンプル サイズ (列 "n1" および "n2")、統計しきい値として使用した t 値 (列 "t_thr")、およびサブグループ分析またはメタ回帰を実行するその他の潜在的な変数など、スタディの一般的な情報を入力します。
4. 選択したディレクトリ内に、各ピークの座標と t 値を使用して、スタディごとにテキスト ファイルを作成します。
   1. テキストエディタを開き、[研究の識別]+「ソフトウェア]+「ステレオタクティックスペース」+「.txt」という名前のテキストファイルを作成します。たとえば、SPM で行われ、MNI 空間で座標を報告するスタディ "Carmona" の場合、テキスト ファイルの名前は "Carmona.spm_mni.txt" である必要があります。研究にピークがない場合、ソフトウェアとステレオタティックスペースは「no_peaks」に置き換えることができます。
   2. 各ピークの座標とt値を異なる行に書き込みます。たとえば、テキスト ファイル "Carmona.spm_mni.txt" の最初の行は次のようになります。
      40,39,21,-5.14
      53,27,21,-3.77
      56,23,20,-3.63

6. 前処理

1. 左側のメニュー バーの [前処理]ボタンをクリックし、[モダリティ] というラベルの付いたリスト ボックスでスタディのモダリティを選択し、[OK] をクリックします。メタ分析の例では、モダリティは「VBM - 灰色物質」です。
2. SDM-PSI が潜在的な効果サイズの下限と上限のマップを計算している間(数分間)待ちます。SdmpPsiGui は、実行の状態と現在のプロセスの予想残り時間を表示する 4 つの進行状況バーを表示します。計算中は、「処理ステータス」の横の円の色は黄色になり、実行が正常に終了した場合は緑に変わり、失敗した場合は赤に変わります。

7. 主な分析

1. 左側のメニュー バーの[平均]ボタンをクリックし、[OK]をクリックします。
2. SDM-PSI が複数の偽装とメタ分析を実行している間 (数分間) 待ちます (図 1)。
3. 左側のメニュー ツールボックスの [しきい値]ボタンをクリックし、メイン分析の未修正の p 値 (既定では "MyTest_uncorrp") を選択して、[OK] をクリックします。SDM-PSIは自動的に結果を視覚化するためにMRICronの両方を開き、それらの詳細なレポートとウェブページを開きます。
4. 左側のメニュー ツールボックスのFWE 補正ボタンを押し、リスト ボックスでメイン分析 (既定では "MyTest" ) を選択し、[OK]をクリックします。
5. SDM-PSIが順列テストを行っている間、待ちます(数時間または数日)。
6. 左側のメニュー ツールボックスの [しきい値]ボタンをクリックし、メイン分析の TFCE 補正 (既定では "MyTest_corrp_tfce" を選択して、[OK]をクリックします) をクリックします。SDM-PSIは自動的に結果を視覚化するためにMRICronの両方を開き、それらの詳細なレポートとウェブページを開きます。

8. 異質性、出版バイアス、グレーディング

1. 左側のメニュー ツールボックスの [抽出]ボタンをクリックし、メイン分析 (既定では "MyTest_z_p_0.05000_10_neg_peak1" ) からピークを選択し、[OK] をクリックします。SDM-PSIは自動的にこのピークの統計を含むウェブページを開きます。異質性I²統計量を書き留める。
2. 左側のメニュー ツールボックスの[バイアス テスト]ボタンをクリックし、メイン分析 (既定では "MyTest_z_p_0.05000_10_neg_peak1" からピークを選択し、[OK]をクリックします。SDM-PSIは自動的に漏斗プロットと小さな研究効果のためのテストの結果と過剰な有意性のためのテストを含むウェブページを開きます。前者は、じょうごプロットに非対称性があるかどうかをテストします(つまり、小さな研究では効果サイズが大きい)。後者は、統計的に有意な結果を持つ研究の数が予想よりも多いかどうかをテストします。
3. 上部のツールボックスから[証拠の採点]ボタンを押し、リスト ボックスからメイン分析 (既定では "MyTest") を選択し、[OK] をクリックします。数秒後、SDM-PSIは自動的にMRICronを開き、証拠のクラスを示します。

主な分析の閾値時にMRICronで開かれた地図に示すように(図2、ステップ7.6)、OCDを有する患者は、後方前帯状帯/内側前頭皮質における灰色物質体積が統計的に有意に小さかった。付随する Web ページでは、クラスターが中程度に小さく (143 ボクセル) であり、主にブロッドマンエリア 32 にあり、クラスターのピークが MNI [2, 32, 32] にあり、Z 値が -4.97 で FWER 補正 p 値が 0.01 であることを示しています。

ステップ 8.1 および 8.2 で取得した Web ページでは、低い I²統計 (1.5%)は非常に小さな不均一性を示し、漏斗プロットは非対称性を示せず(図3)、小さな研究効果の検定と有意性の超過の検定の両方が陰性です。しかし、後方前帯状皮質における灰色物質体積の小さい証拠は、特にデータの量が限られているために、MRICronで開いた地図に示すように、適度に弱い。

メイン分析がより厳格でない統計的有意水準(ステップ7.3)を使用して閾値化された場合、患者はまた、線条体および上頭頂回における統計的に有意に大きな灰色物質体積(未修正p値= 0.00006および0.0002)であるが、これらの異常の証拠は弱いと考えるべきである。

図 1: 平均実行時の SDP-PSI グラフィカル ユーザー インターフェイスのメイン ウィンドウこの図の大きなバージョンを表示するには、ここをクリックしてください。

図2:強迫性障害患者における統計的に有意に小さい灰色物質量の領域は、一致した健全なコントロールと比較した。
統計的有意性のクラスターは、143ボクセルをカバーし、MNI[2,32,32]でピークを有し、主に後部前帯/内側前頭皮質、ブロッドマン領域32を含む。この図の大きなバージョンを表示するには、ここをクリックしてください。

図3:後方前帯状皮質における統計的に有意に小さい灰色物質体積のクラスターのピークに対する漏斗プロット。この図の大きなバージョンを表示するには、ここをクリックしてください。

表 1: SDM-PSI が理解するソフトウェア パッケージとステレオタクティクティック スペースの一覧

表 2: ピークの t 値の符号。

前に説明したように、ほとんどのボクセル ベースのメタ分析方法では、いくつかの制限があるピークの収束の検定を使用し、p 値のみに基づいて証拠の二項分類を実行します。

このプロトコルでは、効果の統計的有意性を評価するための標準的な順列試験を含む多くの肯定的な特徴を有するSDM-PSIを用いてボクセルベースのメタ分析を行う方法を詳しく説明した。さらに、1 つの統計的有意性レベルのみに依存する二項分類を超えた一連の基準を使用して、証拠の強度を評価する方法を示します。

メタ分析例の複製を容易にするために、以前のメタ分析から原稿から既に抽出されたデータを提供します。興味深いことに、そのメタ分析の原稿では、更新された方法で見つけた証拠よりも証拠が強いように見えました。したがって、以前のボクセルベースのメタ分析におけるエビデンスの非体系的な評価は慎重に行われるようお勧めします。

我々は、このプロトコルに従って、ニューロイメージングメタアナリシスが神経イメージング所見の証拠のより豊かで、より顆粒化された記述を提供することを望む。

著者たちは開示するものは何もない。

この作品は、ミゲル・サーブト研究契約MS14/00041と研究プロジェクトPI14/00292によって支援されました。 インスティトゥート・デ・サルド・カルロス3世-サブディレクシオン・ジェネラル・デ・エバルアシオン・イ・フォメント・デ・ラ・インベスティガシオン、欧州地域開発基金(FEDER)、およびPFISプレドクター契約FI16/00311。資金提供者は、研究の設計と実施に何の役割も持っていませんでした。データの収集、管理、分析、解釈原稿の作成、レビュー、または承認そして出版のために原稿を提出することを決定する。