选用高质量rs-fMRI数据可能会导致偏差

这项研究考察了静息态功能磁共振(rs-fMRI)数据质量与ABCD中的临床和社会人口学变量的关系。使用Chi-squared和t检验，对比了高质量rs-fMRI数据(FD ≤ 0.15; 低噪音; n = 4,356)与低质量数据样本(高噪音；n = 7,437)。使用线性混合模型研究了低噪音数据样本中临床和社会人口学特征与平均头动之间的关系。

结果表明，相对于高噪音数据的样本，低噪音样本包括更多的女性、非西班牙裔白人，以及父母已婚、父母教育程度较高和家庭收入较高的青少年(ORs = 1.32-1.42)。

低噪音样本中的青少年年龄较大，具有较高的神经认知能力，较低的BMI，以及较少的外部化和神经发育问题(ds = 0.12-0.30)。此外在低噪音样本中，一些临床和人口统计学特征与头动有关。

因此，选用低噪声rs-fMRI数据的可能无法完全代表一般人群，而且头动仍可能是一个混杂因素。

👆线性混合模型中预测变量的效应量，该模型研究了低噪声样本（LN；n = 4,356）中人口和身体/精神健康特征与头动之间的关系。蓝色表示该变量与头动有负相关，红色表示有正相关。

讨论部分：

在这些分析中确定的人口统计学变量（例如，BMI、种族/民族、家庭收入）并不是直接影响fMRI数据质量的因素，有许多因素对弱势群体以及少数族裔不利，加上系统性偏见，促成了已有的关系。

这个研究表明，青少年rs-fMRI研究结果有可能无法推广到更general的样本。另外在分析中对将头动添加为协变量，是一种常见的头动校正方法，这可能会消除与感兴趣的结果有关的方差，即使选用了数据质量相对较高的样本也会如此。

作者是从-在磁共振中感到不适-对部分结果进行了解释。比如来自于弱势群体或者少数族裔家庭的孩子可能更少经历科研或者医疗环境，因此在磁共振中感到不适。另外一个研究也表明高BMI的人的头动更多(Beyer et al., 2020)，这可能也和BMI高的被试在磁共振中感到不适有关。Beyer 2020的研究对比了做过手术干预的肥胖症病人(IG)和未做干预的肥胖症病人(CG)三个时间点的头动。

最后作者给出了一些建议。例如提高对某些群体(例如弱势群体或少数族裔)的采样，使用更宽孔径的扫描仪，在扫描时提供反馈等。有研究表明有实时反馈或者看电影任务的rs-fMRI可以减少头动 (传送门: 看电影等Naturalistic-fMRI范式)。这部分建议在数据采集完成后就已失效，随后作者还提及了Inverse Probability Weighting(IPW)增加某些群体在分析中的权重和用propensity score matching根据平均头动做匹配。