多中心神经影像数据中多重插补与协调化的整合:对中心效应和生物学推断的影响

由 root 提交于 周三, 11/18/2026 - 10:47

内容形式:摘要译文

在阿尔茨海默病研究中,针对缺失数据的多中心神经影像协调处理在文献中受到的关注有限。本研究使用阿尔茨海默病神经影像学倡议(ADNI)的基线 [18F]flortaucipir tau 正电子发射断层成像(PET)数据,评估了多种协调处理方法结合多重插补(MI)以应对缺失数据的效果。我们比较了完整病例数据集与 MICE 插补数据集(m = 5),并分别采用原始 ADNI 预处理数据和四种统计协调处理方法:含协变量和不含协变量的 ComBat、分位数归一化及分位数回归。针对每种数据集与方法的组合,分析了六个 Braak 区域的加权平均标准摄取值比(SUVR)。我们通过协变量校正后的组内相关系数和站点层面的两两差异评估协调处理效果;对于认知受损与认知未受损参与者之间的比较,则通过 Hedges' g、回归系数及统计显著性评估生物学效应的保留情况。对于插补分析,效应量和回归系数依据 Rubin 规则进行合并,统计推断基于合并后的估计值。与原始数据相比,后处理协调降低了站点层面的变异性;各方法的表现因评估指标而异,而在 MI 后,整体协调质量仍相近。所有数据集与方法的组合中,疾病组间差异仍具有统计学显著性,且呈现一致的区域分布模式,在 Braak I 区域最强,在 Braak VI 区域最弱。MI 小幅提高了效应量和系数估计值;中位数标准误比低于 1(对于……为 0.89),表明估计精度有所提升。

效应量为0.93,回归系数为0.93)。这些发现表明,将多重插补(MI)与协调化处理相结合,能够保留疾病组间差异,提高统计效率,同时不影响协调化处理的性能,为多中心神经影像学研究提供了切实可行的框架。

关键词:多中心神经影像 · 多重插补 · 数据协调化 · 中心效应 · 阿尔茨海默病 · Tau蛋白PET成像

原文链接:https://www.biorxiv.org/content/10.64898/2026.11.14.766661v1?rss=1