Effects of study design in multi-scanner voxel-based morphometry studies

علاقه به تازگی در مطالعات چندگانه رشد کرده است که قدرت بیشتری نسبت به مطالعات کمتری در انجام ارزیابی های پیچیده از سیستم های عصبی پایه و اختلالات نوروژنیک ایجاد می کند. تعداد زیادی از افراد که از جمع آوری مجموعه داده های چند مرکزی ناشی می شوند، حساسیت را افزایش می دهند، بلکه یک مولفه واریانس میان مرکزی را معرفی می کند. با توجه به تفاوت های جنسیتی به عنوان مثال، ما بررسی اثرات نسبت های مختلف موارد به کنترل (مردان و زنان) بین اسکنر در مطالعات مورفومتری چند اسکنر، با استفاده از مورفومتری مبتنی بر واکسل و داده های به دست آمده در دو اسکنر از همان مدل مشابه. هر موضوع دوبار با هر دو اسکنر اسکن شد. با استفاده از تصویر حاصل از هر دو اسکنر برای هر موضوع، تجزیه و تحلیل مبتنی بر واکسل با نسبت های مختلف از مردان به زنان برای هر اسکنر تکرار شد. با افزایش نسبت بین مردان و زنان بین اسکنر ها، تفاوت بین دو اسکنر بیشتر بر نتایج تجزیه و تحلیل تفاوت های جنسی تاثیر می گذارد. هنگامی که نسبت مردان به زنان متعادل بود، ورود اسکنر به عنوان متغیر در تجزیه و تحلیل آماری تقریبا هیچ تاثیری بر نتایج تجزیه و تحلیل تفاوت های جنسی نداشت. هنگامی که نسبت مردان به زنان متعادل بود، افزودن اسکنر به عنوان یک اسکنر سرکوب شده بر اساس نتایج، اما تفاوت های جنسیتی کمتر احتمال دارد که قابل توجه باشد. نتایج کنونی نشان می دهد که تا زمانی که نسبت موارد به کنترل ها در بین اسکنرهای مختلف کاملا متعادل باشد، همیشه لازم نیست که اسکنر را به عنوان یک متغیر در تجزیه و تحلیل آماری قرار دهیم و وقتی نسبت موارد به کنترل ها بد است، شمارنده اسکنر به عنوان یک متغیر در تجزیه و تحلیل آماری می تواند جلوه های اسکنر را مهار کند، اما ممکن است تفاوت های کمتر را تشخیص دهد.