文献若只如初见-W9

最新推荐文章于 2024-10-16 09:19:27 发布

懒麻蛇

最新推荐文章于 2024-10-16 09:19:27 发布

阅读量162

点赞数

文章标签：人工智能 python 机器学习大数据数据分析

本文链接：https://blog.csdn.net/lazysnake666/article/details/122404632

版权

1) PNAS; 2021 April; anatomical imbalance mapping (AIM); neural development;

2) BP; 2020 Nov; Cross-disorder; ENIGMA

3) PNAS; 2021 April; MZ-twin studies; adolescent cannabis use

4) Brain Informatics; 2021 May; MRI quality; Freesurfer; paper with code

PNAS的文章，亮点是提出了一个新的指标anatomical imbalance mapping (AIM)，实质就是individual deviations the norm。随后进行了一些包括发展，个体差异在内的分析。

AIM计算方法

A. cortical thickness，回归掉sex/age/data quality

B. 两个region之间做相关，提取每个点的orthogonal residuals，此处反应的是被试到回归线的垂直距离。

C. 对所有区域进行同样的操作，便得到了k*k的对称矩阵，这里每个被试都能得到一个matrix。

D. 被试内平均得到每个被试的AIM平局值

E. 组间平均得到区域的anatomical imbalance

这个方法初看会以为是一个类似于brain age做残差，但是如果想象一堆身高体重不匀称的月半子在坐标轴的左上方，便会豁然开朗，anatomical imbalance是一个不错的idea。

在坐标轴左上还是右下，可能是有意义的，文章只考虑了垂直距离。增加imbalance的方向很简单，因为它和残差的正负一致，但会这有可能大大增加研究的复杂程度。SCN结构协变网络一般做的都是组间的网络，也有一些研究做个体水平的结构网络，AIM指标为个体差异的研究提供了新的思路。

其实是一个简单的meta-analysis，把ENIGMA的结果，从paper中整理一下，做了一个EFA。

对于左右进行了平均，原因是某几个研究只进行了左右平均的分析，把subcortial和cortical的数据放在一起分析，在补充材料中有分开的结果。

1. 做correlation 【连label的颜色都没改！】

2. 用SPSS做了EFA找overlap的pattern，因子提取方法用是PCA。Rotation用的是Oblique。可以看到development相关的disorder和F1相关较低。

3. 使用的几个样本，年龄不一致，为了排除这个可能的混淆因素，作者使用了两个独立的样本HCP和BiDirect，分别计算了age的effect size，并且分别加入2中的模型。结果表明age的pattern和F1不相关，所以找到的F1并不是反映aging的因素【这一点存疑】。

4. 既然找到了共同的latent factor，那么就计算一下每种disorder的deviation吧。其实就是用F1预测原始的effect size，其residual就是deviation。这个值越高说明无法被共同的F1解释。

文章的思路不错，但是有一些局限值得注意：

文章ROI数量为34+7=41，N的数量为9+1。思路和结果看起来不错，但是这相当于用EFA分析了一个有41个items的问卷，而被试数量只是10。EFA推荐每个item至少需要10个被试，那么要410个sample结果才可靠。
文章把subcortial和cortial的结果同时放在一个模型中分析是有问题的，因为之前的研究对于这两种指标的分析有可能用的不是同样的模型。
把之前meta和mega的结果放在一个模型中有可能是问题的。
因为某个文章只做了左右平均的分析，将剩下研究的effect size按照左右进行平均放入模型也是有问题的。

随着recreational cannabis use逐步合法化，它对正处于生发发育期间的青少年的影响成为了研究的热点。这篇发在PNAS上的文章，使用了双生子+longitudinal的设计探究了cannabis use和mental health，cognitive ability， academic functioning和socioeconomic status的相关。

前言简单回顾了之前该方向的研究，