Detallamos cómo realizar un metaanálisis de estudios de neuroimagen basados en vóxeles utilizando la asignación d basada en semillas con permutación de imágenes de sujeto (SDM-PSI).
La mayoría de los métodos para realizar metanálisis de estudios de neuroimagen basados en vóxeles no evalúan si los efectos no son nulos, sino si existe una convergencia de picos de significancia estadística, y reducen la evaluación de la evidencia a una clasificación binaria exclusivamente basados en valores p (es decir, los vóxeles sólo pueden ser “estadísticamente significativos” o “no estadísticamente significativos”). Aquí, detallamos cómo llevar a cabo un metaanálisis utilizando la asignación d basada en semillas con permutación de imágenes de sujeto (SDM-PSI), un método novedoso que utiliza una prueba de permutación estándar para evaluar si los efectos no son nulos. También mostramos cómo calificar la fuerza de la evidencia de acuerdo con un conjunto de criterios que considera una gama de niveles de significancia estadística (de más liberal a más conservador), la cantidad de datos o la detección de posibles sesgos (por ejemplo, efecto de estudio pequeño y exceso de significado). Para ejemplificar el procedimiento, detallamos la conducción de un metaanálisis de estudios de morfometría basados en vóxeles en el trastorno obsesivo compulsivo, y proporcionamos todos los datos ya extraídos de los manuscritos para permitir al lector replicar el metanálisis Fácilmente. SDM-PSI también se puede utilizar para metaanálisis de imágenes de resonancia magnética funcional, imágenes de tensores de difusión, tomografía de emisión de posición y estudios de morfometría basados en superficie.
Desde la introducción de la resonancia magnética, la comunidad de neuroimagen ha publicado miles de estudios de los sustratos neuronales de las funciones psicológicas y los trastornos neuropsiquiátricos. Para resumir estos hallazgos, se han desarrollado varios métodos1,2,3,4,5,6. Los estudios de neuroimagen basados en vóxeles originales informan de las coordenadas de los picos de significancia estadística (por ejemplo, en una comparación del volumen de materia gris entre pacientes y controles), y los métodos metaanalíticos suelen evaluar si hay convergencia de picos en ciertas regiones cerebrales.
Sin embargo, hemos demostrado previamente que estas pruebas para la convergencia de picos se basan en suposiciones delicadas que podrían influir en los patrones de resultados del metanálisis y su significación estadística7. Específicamente, estas pruebas suponen que los vóxeles son independientes y que tienen la misma probabilidad de un pico “falso”, mientras que en materia gris real, los vóxeles se correlacionan con sus vecinos y la probabilidad de que un voxel tenga un pico “falso” depende de su composición tisular. Además, también abarcan paradojas como que el poder estadístico aumenta en presencia de pocos efectos verdaderos, y disminuye cuando hay múltiples efectos verdaderos.
Para superar estos problemas, desarrollamos un método que imputa los mapas cerebrales de los efectos estadísticos para cada estudio y luego lleva a cabo un metaanálisis estándar de efectos aleatorios para probar formalmente si los efectos son diferentes de cero. Este método se denomina “Asignación d basada en semillas con permutación de imágenes de sujeto” (SDM-PSI)8 y sus características principales incluyen:
Hemos detallado y validado completamente los métodos SDM en otros lugares4,8,10,13,14.
Además, sugerimos no basarse en una clasificación binaria de los vóxeles basada en el nivel de significancia estadística (significativo frente a no significativo) sino, por el contrario, evaluar la solidez de la evidencia utilizando un conjunto de criterios22. El reduccionismo de significancia estadística binaria conduce a un mal control de las tasas de falsos positivos y falsos negativos15, mientras que los criterios utilizan rangos de niveles de significancia estadística y tienen en cuenta la cantidad de datos o posibles sesgos. El software SDM-PSI devuelve los elementos necesarios para llevar a cabo dicha clasificación8 y, por lo tanto, pueden emplearse para permitir una clasificación más detallada de la fuerza de las pruebas.
Aquí mostramos cómo realizar un meta-análisis de estudios de neuroimagen basados en vóxeles utilizando SDM-PSI. Para ejemplificar el protocolo, utilizamos datos de un metanálisis publicado de estudios de morfometría basados en vóxeles que investigaron anomalías en la materia gris en pacientes con trastorno obsesivo compulsivo (TOC)4. Sin embargo, no utilizaremos los métodos empleados en ese metanálisis temprano, sino los procedimientos de vanguardia antes mencionados. El lector puede descargar el software y estos datos de nuestro sitio web(http://www.sdmproject.com/)para replicar el análisis.
Todos los investigadores que tienen como objetivo realizar un meta-análisis de estudios de neuroimagen basados en vóxeles pueden seguir este protocolo. El método se puede utilizar con imágenes de resonancia magnética funcional (fMRI, p. ej., BOLD response to a stimulus)16, morphometría basada en vóxeles (VBM, por ejemplo, volumen de materia gris)17, imágenes de tensores de difusión (DTI, por ejemplo, anisotropía fraccionaria)18, tomografía de emisión de posición (PET, por ejemplo, ocupación de receptores)19 y estudios de morfometría basada en superficie (SBM, por ejemplo, espesor cortical).
Como se introdujo anteriormente, la mayoría de los métodos metaanalíticos basados en vóxeles utilizan una prueba para la convergencia de picos que tiene algunas limitaciones, y luego llevan a cabo una clasificación binaria de la evidencia basada exclusivamente en valores p.
En este protocolo, detallamos cómo llevar a cabo un metanálisis basado en vóxeles utilizando SDM-PSI, que tiene una serie de características positivas, incluyendo una prueba de permutación estándar para evaluar la significancia estadística de los efectos. Además, mostramos cómo la fuerza de la evidencia se puede calificar utilizando un conjunto de criterios que van más allá de una clasificación binaria que se basa únicamente en un nivel de significancia estadística.
Para facilitar la replicación del metaanálisis de ejemplo, proporcionamos los datos ya extraídos de los manuscritos de un metaanálisis anterior. Curiosamente, en el manuscrito de ese metanálisis, la evidencia “parecía” más fuerte que la evidencia que encontramos con los métodos actualizados. Por lo tanto, sugerimos que se tomen con precaución evaluaciones no sistemáticas de las pruebas en metaanálisis anteriores basados en vóxeles.
Esperamos que siguiendo este protocolo, los metaanálisis de neuroimagen proporcionen una descripción más rica y granulada de la evidencia de hallazgos de neuroimagen.
The authors have nothing to disclose.
Este trabajo fue apoyado por el Contrato de Investigación Miguel Servet MS14/00041 y el Proyecto de Investigación PI14/00292 del Plan Nacional de I+D+i 2013-2016, el Instituto de Salud Carlos III-Subdirección General de Evaluación y Fomento de la Investigación, el Fondo Europeo de Desarrollo Regional (FEDER) y por el Contrato Predoctoral FI16/00311 de PFIS. Los funderos no tuvieron ningún papel en el diseño y la conducción del estudio; recopilación, gestión, análisis e interpretación de los datos; preparación, revisión o aprobación del manuscrito; y la decisión de enviar el manuscrito para su publicación.