La cartographie d à base de graines est une méthode pour mettre en place les études de neuroimagerie méta-analyse qui peuvent sembler contradictoires. Par exemple, les résultats d’études sur les anomalies de la matière grise dans le TOC. Les méthodes méta-analytiques précédentes ont généralement évalué si les études soutiennent plus de pics statistiques dans une raison ou dans une autre, tandis que SDM-PSI évalue s’il y a un effet dans une raison particulière.
Les chercheurs ont principalement utilisé SDM pour étudier les substrats neuronaux des fonctions psychologiques et des troubles neuropsychiatriques, qui peuvent inclure des études fMRI, VBM, DTI, PET ou SBM. L’utilisation de SDM-PSI jusqu’à présent est assez simple. Toutefois, les étapes les plus importantes pour effectuer une méta-analyse correcte sont la conception d’un plan précis de méta-analyse et la collecte minutieuse des données.
Pour effectuer une recherche exhaustive, ouvrez la base de données d’intérêt et entrez divers mots clés qui permettront de rechercher toute étude qui pourrait répondre aux critères d’inclusion. Ensuite, enregistrez le nombre d’études récupérées et le nombre d’études exclues pour chaque raison. Envisagez de créer un diagramme de flux PRISMA avec ces nombres.
Après avoir lu les manuscrits d’intérêt pour trouver les données spécifiques à extraire, pour convertir les valeurs Z et P en valeurs T, cliquez sur Convertir les pics du logiciel SDM-PSI. Utilisez ensuite des valeurs T positives pour les pics d’augmentation et des valeurs T négatives pour les pics de diminution, en utilisant le tableau pour guider la façon de décider du signe des valeurs T. Dans deux études d’échantillon, vous utilisez des valeurs T positives lorsque le signal IRM est plus élevé chez les patients que dans les témoins.
Et utilisez des valeurs T négatives lorsque le signal IRM est plus faible chez les patients que dans les témoins. Pour introduire les données dans SDM-PSI, ouvrez l’interface utilisateur graphique SDM-PSI et fermez la fenêtre About splash. Cliquez sur Modifier la méta-analyse pour sélectionner un nouveau répertoire vide pour la méta-analyse.
Cliquez sur l’éditeur de table SDM pour saisir les informations générales des études et ouvrir un éditeur de texte pour créer un fichier texte pour chaque étude afin de taper les coordonnées et les valeurs T des pics. Et nommez le fichier, le logiciel utilisé et l’espace stéréotaxique. Pour le prétraitement des données, cliquez sur le bouton de prétraitement, sélectionnez la modalité des études à la case liste étiquetée Modalité et appuyez sur OK. Ensuite, attendez plusieurs minutes pendant que la permutation du programme d’images sujet a calculé les cartes des limites inférieures et supérieures des tailles d’effet potentielles.
Pour effectuer l’analyse principale, cliquez sur le bouton Mean et appuyez sur OK. Une fois que le SDM-PSI a effectué les multiples imputations et méta-analyses, cliquez sur Seuil, sélectionnez les valeurs P non corrigées de l’analyse principale et cliquez sur OK. SDM-PSI ouvrira automatiquement mricron pour visualiser les résultats et une page Web avec un rapport détaillé des résultats. Cliquez sur la correction d’erreur du point de vue de la famille pour sélectionner l’analyse principale dans la boîte de liste et cliquez sur OK. Le programme SDM-PSI effectuera le test de permutation sur plusieurs heures ou jours. À la fin du reste, cliquez sur Seuil, sélectionnez la correction TFCE de l’analyse principale et cliquez sur OK. Le programme ouvrira automatiquement mricron pour visualiser les résultats et une page Web avec un rapport détaillé de l’analyse.
Pour l’hétérogénéité, le biais de publication et le classement, cliquez sur extrait, sélectionnez un pic de l’analyse principale et appuyez sur OK. Le programme ouvrira automatiquement une page Web avec des statistiques de ce P.Enregistrer l’hétérogénéité I-carré statistique. Cliquez ensuite sur le bouton Bias Test, sélectionnez un pic de l’analyse principale et cliquez sur OK. Le programme ouvrira automatiquement une page Web avec une parcelle d’entonnoir et les résultats d’un test pour un effet de petite étude et un test d’importance excessive. Cliquez ensuite sur le bouton De classement des preuves à partir de la boîte à outils supérieure.
Sélectionnez l’analyse principale dans la case liste et cliquez sur OK pour afficher les résultats. Comme observé dans ces cartes représentatives, les patients présentant le TOC ont un volume statistiquement significativement plus petit de matière grise dans le cortex frontal médial antérieur dorsale de cingulate dorsal. Le cluster est modérément petit et principalement situé à la zone 32 de Brodmann avec le pic du cluster à MNI deux, 32, 32 avec une valeur Z de 4,97 et un taux d’erreur familial corrigé P-valeur de 0,01.
Dans cette analyse des données, la statistique faible i-carré indique une très petite hétérogénéité et la parcelle de l’entonnoir ne montre pas d’asymétries. Les principaux aspects d’une méta-analyse réussie sont la création de critères clairs d’inclusion et d’exclusion, la collecte minutieuse des données et le fait de ne pas limiter les résultats aux valeurs P. SDM-PSI intègre le modèle linéaire général pour lequel les utilisateurs peuvent effectuer des méta-régressions ou des méta-compressions de groupes d’études et ou à le comparer à l’analyse.
De nombreuses méta-analyses SDM ont eu une influence considérable sur leurs domaines spécifiques. Par exemple, plusieurs méta-analyses ont révélé des effets intéressants de stimulants sur les anomalies cérébrales observées dans le TDAH.
