[论文解读] Functional Mediation Analysis with an Application to Functional Magnetic Resonance Imaging Data

Yi Zhao, Xi Luo+2 more|arXiv (Cornell University)|May 17, 2018

Functional Brain Connectivity Studies参考文献 35被引用 8

一句话总结

本文提出了一种针对fMRI数据的新型功能中介分析框架，将处理、中介和结果均建模为连续的时间变化函数。该方法提出了同时和历史中介模型，以估计随时间变化的直接和间接因果效应，并在STOP/GO任务fMRI研究中验证了该方法，相关R包cfma已发布于CRAN。

ABSTRACT

Causal mediation analysis is widely utilized to separate the causal effect of treatment into its direct effect on the outcome and its indirect effect through an intermediate variable (the mediator). In this study we introduce a functional mediation analysis framework in which the three key variables, the treatment, mediator, and outcome, are all continuous functions. With functional measures, causal assumptions and interpretations are not immediately well-defined. Motivated by a functional magnetic resonance imaging (fMRI) study, we propose two functional mediation models based on the influence of the mediator: (1) a concurrent mediation model and (2) a historical mediation model. We further discuss causal assumptions, and elucidate causal interpretations. Our proposed models enable the estimation of individual causal effect curves, where both the direct and indirect effects vary across time. Applied to a task-based fMRI study, we illustrate how our functional mediation framework provides a new perspective for studying dynamic brain connectivity. The R package cfma is available on CRAN.

研究动机与目标

• 为解决在处理、中介和结果均为连续时间函数的神经影像数据中，因果中介分析的空白问题。
• 将传统中介分析扩展至函数数据设置，特别适用于fMRI研究中的动态脑连接。
• 开发能够估计随时间变化的直接和间接效应的因果模型，从而实现对脑连接的动态视角。
• 将该框架应用于一项关于反应冲突的任务型fMRI研究，重点关注preSMA和M1脑区。
• 提供一个开源的R实现（cfma），用于神经影像学和纵向研究中的功能中介分析。

提出的方法

• 提出两种功能中介模型：同时模型（中介在相同时间点影响结果）和历史模型（中介在时间延迟后影响结果）。
• 使用函数线性模型将处理、中介和结果之间的关系表示为随时间变化的光滑曲线。
• 采用基函数展开（如P-splines或B-splines）来表示函数回归模型中的系数函数。
• 应用潜在结果框架，将直接和间接效应的因果 estimands 定义为随时间变化的曲线。
• 使用自举重抽样（500次）构建估计因果效应曲线的点态95%置信区间。
• 在随机处理方案下实施识别假设，假设无未测量混杂因素，并且处理分配稳定。

实验结果

研究问题

• RQ1 如何将因果中介分析扩展至处理、中介和结果均为连续时间函数的fMRI数据？
• RQ2 在认知任务期间，脑活动的直接和间接因果效应的时间变化模式是什么？
• RQ3 同时与历史中介模型在估计动态脑连接方面有何差异？
• RQ4 功能中介模型能否检测到preSMA活动对STOP和GO试验中M1的显著间接效应？
• RQ5 捕捉时间延迟效应的最优影响窗口宽度（δ）是多少？

主要发现

• 所提出的功能中介模型成功估计了随时间变化的直接和间接因果效应，揭示了脑连接的动态模式。
• 在STOP/GO fMRI研究中，无论采用同时模型还是历史模型，前扣带皮层（anterior preSMA）到M1通路在整个时间范围内均未观察到显著的间接或直接效应。
• 基于自举法的间接和直接效应曲线的95%置信区间在时间点上未表现出一致的统计显著性。
• 模拟结果表明，基于均方预测误差（MSPE）的模型选择方法可指导最优影响窗口宽度δ的选择。
• R包cfma已成功开发并发布于CRAN，可用于fMRI和纵向研究中的可重复功能中介分析。
• 该框架适用于密集函数数据（如fMRI），并为未来扩展至稀疏函数数据和未测量混杂因素提供了基础。