[论文解读] Which Findings from the Functional Neuromaging Literature Can We Trust?
本研究通过将基于RFT的家族错误率（FWE）校正p值与基于非参数置换检验的错误发现率（FDR）控制进行比较，评估了功能神经影像学结果的可信度。研究发现，当使用严格的簇定义阈值（CDT = .001）时，RFT-FWE p值在α = .05水平下与FDR控制非常接近；但当使用宽松的阈值（CDT = .01）时，仅极小的p值（≤ .00001）能确保FDR显著性，为解读以往fMRI文献提供了定量指导。
In their recent "Cluster Failure" paper, Eklund and colleagues cast doubt on the accuracy of a widely used statistical test in functional neuroimaging. Here, we leverage nonparametric methods that control the false discovery rate to offer more nuanced, quantitative guidance about which findings in the existing literature can be trusted. We show that, in the task studies examined by Eklund et al., most clusters originally reported to be significant are indeed trustworthy by the false discovery rate benchmark.
研究动机与目标
- 为在已知RFT-FWE校正局限性的前提下，提供关于哪些fMRI研究结果可被信赖的定量、数据驱动的指导。
- 通过将RFT-FWE p值与基于非参数置换方法的更稳健的FDR推断进行比较，填补RFT-FWE p值在实际解释上的空白。
- 评估在FDR控制下，通常报告的RFT-FWE显著簇是否仍保持显著，从而从假阳性率角度评估其可靠性。
- 为研究人员提供一个基准，以校准对使用RFT的簇水平推断的过去fMRI研究的怀疑程度。
提出的方法
- 作者使用非参数符号翻转置换法（每种对比分析5,000次实现）生成簇大小的经验证零分布。
- 对于每个簇，基于置换中产生相等或更大簇大小的比例计算未校正p值。
- 在α = .05水平下，对未校正p值向量应用Benjamini-Hochberg FDR程序，以控制假发现的期望比例。
- 在两个簇定义阈值下分别进行分析：CDT = .001 和 CDT = .01，以评估对阈值选择的敏感性。
- 结果比较RFT-FWE p值与FDR校正后的显著性，识别在FDR控制下仍保持显著的簇。
- 该方法应用于与Eklund等人关于簇失效研究中使用的相同公开fMRI任务数据，确保一致性和可重复性。
实验结果
研究问题
- RQ1在使用FDR控制评估时，哪些以RFT-FWE校正报告的fMRI结果可被视为可信？
- RQ2RFT-FWE显著簇的可靠性如何随不同簇定义阈值（CDT）而变化？
- RQ3在真实fMRI数据中，RFT-FWE p值在多大程度上近似于有效的FDR控制？
- RQ4非参数置换方法能否为评估过去fMRI结果的可信度提供更准确的基准？
- RQ5在宽松CDT条件下，何种RFT-FWE p值阈值可确保在α = .05水平下达到FDR显著性？
主要发现
- 当CDT = .001时，仅有1个在RFT-FWE下显著（p ≤ .05）的簇未在FDR校正下达到显著性（α = .05），表明RFT-FWE与FDR控制之间具有很强的一致性。
- 当CDT = .01时，仅RFT-FWE p值 ≤ .00001的簇在FDR校正下保持显著，表明在此阈值下，大多数RFT-FWE显著结果在FDR控制下并不稳健。
- 结果表明，CDT = .001时的RFT-FWE校正可合理近似有效FDR控制，支持使用该阈值的大多数研究结果的可信度。
- 当CDT = .01时，RFT-FWE与FDR控制之间的差异显著，表明许多报告结果在FDR标准下可能为假阳性。
- 本研究为评估使用RFT的簇水平推断的过去fMRI研究的可靠性，提供了定量、数据驱动的基准。
- 研究结果支持对fMRI结果持谨慎解读态度，特别是针对使用宽松CDT的研究，并强调了在簇水平推断中进行方法学改进的必要性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。