종자 기반 D 매핑은 모순된 것처럼 보일 수 있는 메타 분석 신경 이미징 연구를 넣는 방법입니다. 예를 들면, 강 박 증에 회색 물질 이상의 연구에서 결과. SDM-PSI는 특정 이유에 효과가 있는지 여부를 평가하는 동안 이전 메타 분석 방법은 일반적으로 연구가 한 가지 이유 또는 다른 이유로 더 많은 통계 피크를 지원하는지 여부를 평가했습니다.
연구원은 주로 fMRI, VBM, DTI, PET 또는 SBM 연구 결과를 포함할 수 있는 심리적 기능 및 신경 정신 장애의 신경 기판을 조사하기 위하여 SDM을 이용했습니다. 지금까지 SDM-PSI의 사용은 매우 간단합니다. 그러나 정확한 메타 분석을 수행하기 위한 가장 중요한 단계는 정확한 메타 분석 계획을 설계하고 데이터를 신중하게 수집하는 것입니다.
철저한 검색을 수행하려면 관심 있는 데이터베이스를 열고 포함 기준을 충족할 수 있는 모든 스터디를 검색할 수 있는 다양한 키워드를 입력합니다. 그런 다음 검색된 연구 횟수와 각 이유로 제외된 연구 수를 기록합니다. 이러한 숫자로 PRISMA 흐름 다이어그램을 만드는 것이 좋습니다.
관심 있는 원고를 읽고 추출할 특정 데이터를 찾은 후 Z 값및 P 값을 T 값으로 변환한 후 SDM-PSI 소프트웨어에서 피크 변환을 클릭합니다. 그런 다음 T 값의 기호를 결정하는 방법에 대한 지침을 위해 테이블을 사용하여 증가 및 음수 T 값의 피크에 대한 양수 T 값을 사용합니다. 두 가지 샘플 연구에서 MRI 신호가 대조군보다 환자에서 높을 때 양양성 T 값을 사용합니다.
MRI 신호가 대조군보다 환자에서 더 낮을 때 음수 T 값을 사용합니다. SDM-PSI에 데이터를 소개하려면 SDM-PSI 그래픽 사용자 인터페이스를 열고 시작 정도 창을 닫습니다. 메타 분석 변경을 클릭하여 메타 분석에 대한 새 빈 디렉토리를 선택합니다.
SDM 테이블 편집기를 클릭하여 스터디에서 일반 정보를 입력하고 텍스트 편집기를 열어 각 스터디에 대한 텍스트 파일을 만들어 피크의 좌표및 T 값을 입력합니다. 그리고 파일, 사용되는 소프트웨어 프로그램 및 고정 관념 공간의 이름을 지정합니다. 데이터의 전처리를 위해 전처리 버튼을 클릭하고 목록 상자에서 양식에 레이블이 지정된 양식체를 선택하고 확인을 누릅니다. 그런 다음 피사체 이미지 프로그램의 순열이 잠재적 효과 크기의 하부 및 상한의 맵을 계산하는 동안 몇 분 동안 기다립니다.
기본 분석을 수행하려면 평균 버튼을 클릭하고 확인을 누릅니다. SDM-PSI가 다중 임퍼팅 및 메타 분석을 수행한 후 임계값을 클릭하고 기본 분석의 수정되지 않은 P 값을 선택하고 확인을 클릭합니다. SDM-PSI는 자동으로 MRIcron을 모두 열어 결과에 대한 자세한 보고서와 함께 결과와 웹 페이지를 시각화합니다. 가족별 오류 수정을 클릭하여 목록 상자에서 기본 분석을 선택하고 확인을 클릭합니다. SDM-PSI 프로그램은 몇 시간 또는 며칠 동안 순열 테스트를 실시합니다. 나머지 의 끝에서, 임계 값을 클릭, 기본 분석의 TFCE 보정을 선택하고 확인을 클릭합니다. 이 프로그램은 자동으로 MRIcron을 모두 열어 결과를 시각화하고 분석에 대한 자세한 보고서가 있는 웹 페이지를 시각화합니다.
이질성, 게시 편향 및 채점의 경우 추출을 클릭하고 주요 분석에서 피크를 선택하고 확인을 누릅니다. 이 프로그램은 이질성 I-제곱 통계를 기록하기 위한 통계가 있는 웹 페이지를 자동으로 엽니다. 다음 바이어스 테스트 버튼을 클릭하고 기본 분석에서 피크를 선택하고 확인을 클릭합니다. 이 프로그램은 깔때기 플롯과 작은 학습 효과에 대한 테스트 결과및 과도한 중요성에 대한 테스트가있는 웹 페이지를 자동으로 엽니 다. 그런 다음 상단 도구 상자에서 증거 채점 버튼을 클릭합니다.
목록 상자에서 기본 분석을 선택하고 확인을 클릭하여 결과를 봅니다. 이러한 대표적인 지도에서 관찰된 바와 같이, 강 박 증환자는 등대 전방 내측 전두엽 피질을 cingulate에 통계적으로 상당히 작은 회색 물질 볼륨이 있다. 클러스터는 적당히 작고 주로 브로드만 영역(32)에 위치하며, MNI 2, 32, 32의 클러스터 피크가 4.97이고 가족별 오차율이 0.01의 P-값을 수정했습니다.
이 데이터 분석에서 I-제곱 통계가 낮으면 매우 작은 이질성을 나타내고 깔때기 플롯에는 비대칭이 나타나지 않습니다. 성공적인 메타 분석의 주요 측면은 명확한 포함 및 배제 기준의 생성, 데이터의 신중한 수집 및 결과를 P 값으로 제한하지 않는 것입니다. SDM-PSI는 사용자가 연구 그룹의 메타 회귀 또는 메타 압축을 수행하거나 분석과 비교할 수 있는 일반적인 선형 모델을 통합합니다.
많은 SDM 메타 분석은 특정 분야에 상당한 영향을 미쳤습니다. 예를 들어, 여러 메타 분석은 ADHD에서 관찰 된 뇌 이상에 각성의 흥미로운 효과를 공개했다.
