重访簇失败：一级设计与数据质量对簇假阳性率的影响
应用统计
2019-01-03 v2
摘要
方法学研究很少引起广泛关注，然而我们关于功能磁共振成像（fMRI）簇推断方法有效性的工作，在学界引发了对其细节及学科影响的激烈讨论。在本工作中，我们回应了针对我们工作的各种批评，并进一步探讨了原工作的局限性。我们处理了关于所使用特定事件相关设计的问题，考虑了多种事件类型以及事件在受试者间的随机化。我们考量了单样本置换（符号翻转）检验中发现的缺乏有效性，研究了若干改善这一广泛使用流程假阳性控制的方法。我们发现，双侧检验与利用 ICA FIX 清洗数据相结合，使所有数据集的假阳性率均达到名义水平，这意味着数据清洗不仅对静息态 fMRI 重要，对任务态 fMRI 同样重要。最后，我们讨论了我们的工作对整个 fMRI 文献的影响，估计至少 10% 的 fMRI 研究使用了问题最突出的簇推断方法（P = 0.01 簇定义阈值），以及个体研究如何依据我们的发现进行解读。这些额外结果强化了我们的原始结论，即数据分享和在真实零数据上彻底评估统计方法的重要性。
引用
@article{arxiv.1804.03185,
title = {Cluster Failure Revisited: Impact of First Level Design and Data Quality on Cluster False Positive Rates},
author = {Anders Eklund and Hans Knutsson and Thomas E Nichols},
journal= {arXiv preprint arXiv:1804.03185},
year = {2019}
}