基于脑影像的效应量计算软件.docxVIP

PAGE  PAGE 19 脑影像效应量计算软件 V1.0 基于脑影像的效应量计算软件 操作手册 （版本：1.0） 杭州师范大学 2014年8月 引言 效应量（Effect size, ES）也叫效果量。效应量是指由于因素引起的差别，是衡量处理效应大小的指标。通常我们所说的“有效”，即是效应量的体现。例如，某种降压药能将血压从150毫米汞柱降为110毫米汞柱，该降压药的效应量即可简单记为40（单位为毫米汞柱）。至今，效应量已经在各种领域的统计学分析中使用了30多年。 在进行统计推断或者假设检验的时候，我们往往对因素引起的差别或者处理效应的大小是否显著感兴趣（例如p 0.05我们认为显著）。但是，统计推断有个严重的弊端，就是：p值的大小和样本量有关——这产生了一个叫做“统计悖论”的论断：当样本量很小时，p很难显著，而当样本量非常大时，虽然处理效应很小，但是p却很容易显著。这就是说，显著性检验受样本量影响。与显著性检验不同，效应量不受样本容量影响。例如，在1000个被试的降压药效果研究中，降压药将这些人的平均血压从150降到了149，降低了1毫米汞柱，但是，统计显示，该降低效果非常显著（p 0.001）。虽然统计显著，但我们认为该降压药没有效果，因为效应量过小。 效应量表示不同处理下的总体均值之间差异的大小，可以在不同研究之间进行比较。一般用于针对某一研究领域内的荟萃分析（Meta-analysis）中，经常见于心理，教育，行为研究等。其主要统计思路是指主要变量引起的响应差别除以相应的标准误差，这一相对量对估算处理效应很重要。历史上，各种统计学家对效应量的计算做了大量研究，给出了各种定义。在脑影像研究中，效应量的计算同样具有深刻意义。 在脑影像研究中，研究者的目的通常是比较某种影像学指标（如脑功能活动强度），在两组（病人组和正常对照组）之间是否有显著差异，或者在两种条件下是否有显著差异，从而得出疾病相关的生物学标记（Biomarker），或者某种处理或认知任务的效应是否显著。通常，研究者报告统计显著性，即p值，而忽视了效应量的估计与报告。 编写目的 在认知神???科学和心理学文献中,很多文章报告结果是否显著,研究结果只要在p0.05水平上显著就是对认知神经科学和心理学理论的发展做出了贡献。实际上,统计的显著性与效应量不是一回事。在0.05水平上显著,自变量不一定有“大”的作用;同样,在0.05水平上即使不显著,自变量的作用可能很大。许多研究在统计上是显著的，但效应量却很小，据此得到的结论应该是不准确的。同样，很多研究因为结果p0.05统计上不显著而并没有报告，这类“阴性”结果的不报告，使得很多研究结论有所偏颇。事实上，可能效应量是“较大”的，但是，由于研究者的样本过少，使得自由度偏小，从而使统计p值不显著。采用本软件评估了效应量后，如果效应量足够，研究者就能在下一步研究中，增加样本量，做到统计上的显著。 特别地，效应量的计算一直在脑影像研究中被刻意忽视。原因是审稿人或者同行在评议研究价值时，往往以“p值显著”这样的阳性结果作为“好”的标准，而忽视了真正有意义的“效应的大小”。如上面的例子所示，这可能导致一个毫无意义或者根本错误的推断，即“有统计学意义，但无临床意义”。此外，不同的脑影像研究的荟萃分析，由于各种脑影像学指标的单位不同，取值范围不同，往往无法进行分析。因此，本软件的编写，主要目的在于发展一套合适脑影像学分析的，可以用来做效应量计算的工具包。是心理学、认知神经科学、临床神经科学家以及临床研究可以方便的计算出某种具体脑影像指标在组间比较或者不同条件间比较时的效应量大小，为统计分析结论提供另一个评估指标与依据。此外，效应量的评估，能指导研究者决定是否应该搞好实验设计，改进采样方法，减少抽样误差和测量误差，增加控制无关变量的措施等。 本软件的目标人群为：所有做功能磁共振成像的研究人员，包括任务态（激活研究），静息态（自发神经活动研究）等，包括心理学研究者、认知神经科学研究者、临床神经科学家以及临床医生。本软件的主要目的是推动研究者不仅应该注意统计上有无显著性,而且应该注意并在科研报告中积极汇报效应量的大小。 本软件所得到的效应量，适用于如下目的：多个研究结果整合，特别是不同研究的指标单位不同的情况，当研究者希望报告相对指标在人群上的变异的效应大小时，当荟萃分析时，当报告了统计显著性但需要评价临床意义时。 背景 目前广为使用的脑影像计算与统计分析软件，如统计参数图（Statistical Parameter Mapping, SPM）以及FMRIB Software Library（FSL），均无方便的效应量计算工具软件。互联网上有一些效应量的计算工具如effectsize（/effectsize）