Sfondo

La nostra capacità di guardare la struttura e la funzione di un cervello vivente è aumentato esponenzialmente dal 1970 in anticipo. Molti studi di disturbi dello sviluppo includono ora una routine di imaging cerebrale o di un componente elettrofisiologico. Tra l’entusiasmo corrente per le applicazioni delle neuroscienze per interventi educativi, dobbiamo fermarci a considerare quali dati di neuroimaging possono dirci. Foto di attività cerebrale sono seducente, e sono stati utilizzati per dare credibilità agli interventi commerciali, eppure abbiamo solo un’idea limitata di ciò che le basi cerebrali dei disturbi del linguaggio sono, per non parlare di come modificare loro.

Campo di applicazione e risultati

Una revisione di sei studi di neuroimaging correlati di intervento linguaggio riscontrato problemi metodologici ricorrenti: la mancanza di un adeguato gruppo di controllo, potenza inadeguata, segnalazione incompleta dei dati, nessuna correzione per confronti multipli, il dragaggio dei dati e il fallimento per analizzare gli effetti del trattamento appropriato. Inoltre, vi è la tendenza a considerare i dati di neuroimaging come più significativo di dati comportamentali, anche se è un comportamento che gli interventi mirano a cambiare.

Conclusione

Nel nostro stato attuale delle conoscenze, sarebbe meglio spendere i fondi di ricerca facendo studi ben disegnati di trattamento comportamentale per stabilire quali metodi sono efficaci, piuttosto che correre a capofitto in studi di imaging funzionale di trattamenti non provati.

Questioni metodologiche

In Tabella 1 , ogni studio viene valutata in base a criteri metodologici specifici che sono descritti più dettagliatamente di seguito. I criteri si basano principalmente su un tentativo di applicare i principi di progettazione degli studi clinici ( Altman et al., 2001 ) per interventi educativi (Bishop, 2008 ). Essi coprono anche alcune ulteriori questioni specifiche di studi di neuroimaging. C’è un elemento soggettivo inevitabile questa valutazione: in generale, l’obiettivo era quello di evitare di dare una valutazione negativa per decade minori, ma utilizzare solo questo voto per più gravi difetti che hanno compromesso le conclusioni dello studio.

Tabella 1

Criteri metodologici per la valutazione studi di intervento, applicati ai seguenti studi: (1) . Temple et al, 2003 ; (2) . Hayes et al, 2003 ; (3) . Pihko et al, 2007 ; (4) Gaab et al. 2007 , (5) Stevens et al, 2008. , (6) . Popescu et al, 2009

Partecipanti: gruppo clinico

Bishop (2008) ha rilevato tre aspetti fondamentali della selezione del campione. In primo luogo, i partecipanti dovrebbero essere identificati da criteri oggettivi, in secondo luogo, dovrebbero essere comparabili con quelli per i quali l’intervento è destinato e in terzo luogo, la dimensione del campione dovrebbe dare potenza sufficiente per rilevare un effetto di intervento.Complessivamente, i sei studi presenti qui hanno ragionevolmente bene in termini di utilizzo di criteri oggettivi e adeguati per selezionare i casi clinici. Il potere era, però, debole in tutti i casi e seriamente limitato per tre degli studi, con meno di 10 bambini nel gruppo di intervento. Con 10 partecipanti in un disegno a misure ripetute, il potere di rilevare un effect size di 0.5 è solo 0,42, con p <.05 in un test ad una coda. Gli studi sottodimensionato può essere peggio che nessuno studio perché possono indurre a concludere vi è alcun effetto di un intervento, quando in realtà un effetto clinicamente utile può essere presente.

Partecipanti: gruppo di controllo

Una questione chiave è se le modifiche apportate dopo l’intervento sono dovuti all’intervento. Ci sono molte altre ragioni per cui cambiamento può essere visto. Molti test cognitivi mostrano effetti di pratica, il miglioramento cioè semplicemente come conseguenza di aver fatto il test prima ( McArthur, 2007 ). Qualche miglioramento può essere dovuto alla maturazione. Ad esempio, Summers, Larson, Miguel, e Terrell (1996) trovarono che il linguaggio punteggi dei test di screening in un campione di popolazione di 5 anni di età è migliorato di quasi un SD quando i bambini sono stati riesaminati dopo 7 mesi, anche se è stato dato alcun intervento lingua ed i punteggi sono stati standardizzati per età. Miglioramento può anche essere dovuto alla regressione verso la media (Campbell e Kenny, 1999 ). Questo si riferisce al manufatto statistico che si verifica quando lo stesso test viene utilizzato sia per selezionare le persone a basso punteggio e valutare i loro progressi ( Zhang & Tomblin, 2003 ), ma è inevitabile quando una misura è meno che perfetto affidabilità (vedi Figure 2 ) .Tutti questi potenziali confonde possono essere controllati per includendo un gruppo di controllo che è paragonabile che il gruppo di intervento, ma che non riceve l’intervento di destinazione. Per garantire che l’assegnazione dei partecipanti ai gruppi di intervento o di controllo è imparziale, i potenziali partecipanti devono prima essere selezionati per soddisfare i criteri di studio, e poi assegnati in modo casuale ad un gruppo o all’altro. A volte la corrispondenza del gruppo esplicito viene usato, anche se questo può essere problematico in quanto è difficile da abbinare a tutte le variabili rilevanti. Tipicamente, in studi controllati randomizzati contemporanei, il gruppo di controllo non è trattata, ma riceve invece un intervento alternativo ( Evans, Thornton, Chalmers, e Glasziou 2011 ). Questo permette di controllare anche per il potenziale effetto placebo o di aspettativa. Ad esempio, in uno studio volto a migliorare le competenze linguistiche, un gruppo di controllo potrebbe ricevere un intervento di matematica o abilità motorie.

Figura 2

Dati simulati per illustrare regressione verso la media. Il grafico a sinistra mostra i singoli punti dati, simulati per avere correlazione di 0,5 tra l’ora 1 e l’ora 2. Il pannello che mostra A, B, ecc mostra gli intervalli di tempo 1 punteggi per cui significa z-score …

Molti autori sembrano considerare come plausibile che i cambiamenti potrebbero sorgere senza l’intervento di conseguenza assumono che un effetto del trattamento può essere dimostrato confrontando i punteggi pre-e post-intervento di un gruppo trattato. Tuttavia, studi comportamentali adeguatamente controllati dimostrano quanto sia pericoloso questo presupposto è. Per esempio, una meta-analisi di FastForword non ha trovato significativi benefici dell’intervento in studi in cui sono stati usati i controlli adeguati ( Strong, Torgerson, Torgerson, e Hulme, 2010 ). In genere in questi studi, il gruppo trattato migliorata, ma così ha fatto il gruppo di controllo. Questo dimostra l’inadeguatezza di concludere che un intervento è efficace sulla base del fatto che t -test mostrano guadagni significativi in materia di misure di lingua dopo l’intervento (cfr. Temple et al., 2003 ). Forse ancora più inaspettato sono cambiamenti osservati sulla fMRI sui test ripetuti, come esemplificato in uno studio di intervento di ortografia da Gebauer et al. (2012) . In un intervallo di 5 settimane, i bambini hanno mostrato una maggiore attivazione nella precuneus indipendentemente dal fatto che avessero o no l’intervento.Inoltre, un gruppo non trattato di spelling poveri ha mostrato una maggiore attivazione nella corteccia occipitale destra laterale e centro destra corteccia temporale, e un gruppo tipicamente ortografia non trattati hanno mostrato una maggiore attivazione nelle regioni temporali e occipito-temporale bilaterale medio nello stesso periodo di tempo.

Dei sei studi in Tabella 1 solo che da Pihko et al. (2007) avevano un gruppo di controllo adatto per stimare l’effetto dell’intervento. Quattro studi (# 1, # 2, # 4 e # 5), compresi altri gruppi di confronto, ad esempio, con sviluppo tipico dei bambini testati a livello pre-e post-test. Questo non controlla adeguatamente per gli effetti di pratica e di maturazione, perché il gruppo di confronto è probabilmente diverso, sulle misure iniziali, sia comportamentali e cerebrali based. Bambini con sviluppo tipico possono mostrare scarso effetto sul test comportamentali rispetto ai bambini di lingua ridotta perché c’è meno spazio per migliorare.

Un gruppo di confronto in genere in via di sviluppo può tuttavia essere utile per rispondere a una domanda relativa, vale a dire se l’intervento di successo è associata con la normalizzazione della funzione cerebrale. Se vi è una significativa interazione, tale che una differenza significativa tra un gruppo clinico e controllo riduce o scompare postintervention, allora questo è indicativo di un effetto del trattamento. Come Dichter, Sikich, Song, Voyvodic, e Bodfish (2012) ha osservato, tuttavia, senza un gruppo di controllo clinico può essere difficile per escludere effetti placebo o differenziale stabilità dei risultati nei due gruppi – forse a causa di un movimento più ansia o connesse manufatto nel gruppo clinico. Una significativa correlazione tra il miglioramento comportamentale e la normalizzazione delle misure cerebrali, tuttavia, sosterrebbe l’idea che il cambiamento cervello indici il meccanismo di base che media il cambiamento comportamentale.

Forcellini

In molti studi di intervento, alcuni partecipanti abbandonano prima che lo studio è stato completato. Questo può essere per motivi logistici, come la malattia o la delocalizzazione, ma può anche verificarsi se il partecipante non ritiene che l’intervento sia efficace, o se, al contrario, non pensano che hanno bisogno dell’intervento perché stanno facendo così bene. Questo significa che esiste la possibilità di bias nel valutare se gli interventi forcellini sono ignorati. In particolare, gli effetti benefici saranno sovrastimati se le uniche persone che soggiornano nello studio sono quelli che fanno buoni progressi. E ‘importante riferire sui forcellini in modo che si possa stabilire se tale pregiudizio possa influenzare i risultati. Solo uno dei sei studi in questione, presentate informazioni sui forcellini.

Intervento

Gli interventi devono essere abbastanza chiaramente descritto per altri ricercatori per replicare studio. Quattro degli studi in Tabella 1 usato programmi di intervento disponibili in commercio che sono di dominio pubblico, in modo che altri potrebbero potenzialmente replicare lo studio. Gli altri due studi utilizzati interventi sperimentali che sono stati descritti in dettaglio ragionevole.

Le misure di outcome: (a) misure primarie specificati

Un punto che è diventato standard nel campo delle prove cliniche è la necessità di distinguere tra esiti primari e secondari ( Freemantle, 2001 ). In genere, quando si esegue un intervento comportamentale, si vuole fare una valutazione abbastanza dettagliata, piuttosto che concentrarsi su una sola misura di esito. Infatti, ci possono essere particolare interesse per la questione se i bambini con un profilo specifico tariffa migliore o peggiore con l’intervento. Il problema, tuttavia, è che se una batteria, per esempio, otto misure viene utilizzato su pre-e post-test, allora la probabilità di una misura che mostra un effetto statisticamente significativo per caso è superiore se si utilizza una singola misura. Posta divisione hoc di un campione in sottogruppi, sulla base di esplorazione iniziale dei dati, è particolarmente suscettibile di generare risultati falsi positivi (Freemantle, 2001 ). Ciò non esclude esplorativa dei dati di analisi, ma i risultati post hoc dovrebbe essere considerata come generatrice di ipotesi (cioè che necessitano di replicare in un nuovo campione), piuttosto che la verifica di ipotesi.

Questo può essere un problema particolare nelle misurazioni cerebrali-based, che tipicamente comporta un enorme numero di misure potenziali, e tutti gli studi in Tabella 1 era problematico in questo senso.Per esempio, nel loro studio MEG, Pihko et al. (2007) condotto diverse analisi della varianza guardando entrambi strength e la latenza delle diverse componenti evocate in dell’emisfero sinistro e proprio ai due punti di tempo. Gli autori hanno affermato che l’intervento influenzato l’ampiezza delle risposte mancata corrispondenza del gruppo di intervento fonologica, perché la forza della risposta ad una deviante in una condizione e un emisfero è significativamente migliorata dopo l’intervento. Tuttavia, il loro approccio analitico è in grado di generare risultati spuri se non si ha cura di correggere i molti confronti statistici (vedi analisi dei dati, di seguito).

Le misure di outcome: (b) Affidabilità e standardizzazione

Un buon studio utilizzerà strumenti comportamentali standardizzati per valutare le capacità dei partecipanti prima e dopo il trattamento.Nel mondo di lingua inglese ci sono valutazioni standardizzate consolidate di lingua e di alfabetizzazione che sono affidabili, sensibili e valida, e la selezione delle valutazioni comportamentali era un aspetto della metodologia che è stata generalmente soddisfacente negli studi recensiti qui.

Misure di Neuroimaging, tuttavia, hanno caratteristiche molto diverse. A differenza dei test cognitivi standardizzati, per la maggior parte delle misure cerebrali non sappiamo ciò che è normale e anormale ad una determinata età. Inoltre, è solo di recente che molta attenzione è stata rivolta alla affidabilità dei dati di imaging cerebrale, cioè la misura in cui i risultati sarebbero replicare su ripetizione del test (Bennett & Miller, 2010 ; . Dichter et al, 2012 ). E ‘facile cadere nella trappola di credere che, poiché il cervello è un organo fisico, le misure da esso sarà coerente a meno che qualche formazione specifica ha avuto luogo. Tuttavia, le misure funzionali sono destinati a variare da una volta all’altra, e l’affidabilità test-retest possono variare notevolmente da regione a regione ( Caceres, Hall, Zelaya, Williams, e Mehta, 2009 ). Il metodo di analisi può anche influenzare l’affidabilità. Una recente preoccupazione è stata sollevata in merito a misure di connettività funzionale, che possono essere sostanzialmente influenzati dal movimento della testa ( Potenza, Barnes, Snyder, Schlaggar, e Petersen, 2012 ), qualcosa che può diminuire con l’esperienza nello scanner, e può variare in tra clinici e controllo gruppi ( Eloyan et al. 2012 ). Anche con misure strutturali di risonanza magnetica, piccoli cambiamenti nella orientamento dell’immagine e il campo magnetico instabilità possono influenzare le misurazioni ( Morey et al., 2010 ).

Gli altri metodi presenti in tabella 1 , EEG e MEG, coinvolgono l’indicizzazione momento per momento l’attività neuronale. Anche qui c’è stata poca attenzione alla misurazione problemi che sono date per scontate nella valutazione psicologica. Per fare un esempio, la negatività mancata corrispondenza (MMN), un indice elettrofisiologico di change detection, è stato utilizzato per indice di discriminazione uditiva nei bambini con linguaggio e problemi di alfabetizzazione ( Bishop, 2007a ). Anche se è stato raccomandato come uno strumento diagnostico clinico ( Näätänen 2003 ), la sua affidabilità e la validità sono troppo bassi per questo scopo, anche negli adulti compatibili dato una lunga serie di prove (ad es Bishop & Hardiman, 2010 ). I dati provenienti da MMN possono essere utili in più paragoni, ma si ha la necessità di essere prudenti nell’interpretazione cambiamenti nella MMN, che può essere semplicemente sorgere a causa di dati rumorosi.

Le misure di outcome: (c) valutazione dei Ciechi

Una misura della qualità di studi randomizzati controllati è accecante, cioè le valutazioni assicurando che sono condotte da persone che sono a conoscenza del gruppo di trattamento che i partecipanti provenivano da, per minimizzare i bias ( Schulz & Grimes, 2002 ). Questo può essere difficile da organizzare nella pratica, e viene raramente fatto salvo in contesti medici. Nessuno degli studi recensito qui menzionato valutazione cieco, coerente con una ipotesi generale dagli psicologi che gli strumenti standardizzati utilizzano protocolli oggettivi, che dovrebbero evitare risultati distorti. Inoltre, l’analisi dei dati fMRI è largamente automatizzato. Tuttavia, la letteratura studi randomizzati controllati suggerisce che psicologi e neuroscienziati dovrebbero essere meno ottimisti su questo problema, in quanto vi è evidenza di un potenziale rischio di bias per qualsiasi misura, sia comportamentale o neuroscientifica, che comporta un certo grado di giudizio soggettivo (Ioannidis, 2011 ). In generale, gli studi clinici che utilizzano accecante ottenere effetti di trattamento più piccole rispetto a quelle che non lo fanno, anche quando le misure riguardano poco giudizio soggettivo (Day & Altman, 2000 ). Inoltre, esistono ampi spazi per polarizzare risultati se viene utilizzato il giudizio del ricercatore per determinare, ad esempio, che le regioni del cervello per indagare, o che soglie da utilizzare, dopo aver ispezionato dati per i gruppi di trattamento e di controllo.

Comunicazione dei risultati

Simmons, Nelson, e Simonsohn (2011) hanno sollevato una seria preoccupazione per la mancanza di replicabilità in studi psicologici, coniando ‘false psicologia positiva’ il termine per descrivere la ricerca che trova effetti significativi per posta hoc selezione delle variabili da analizzare da una vasta gamma di possibilità . Carp (2012) ha osservato che fMRI è particolarmente sensibile a questo pregiudizio a causa della flessibilità nei metodi di analisi dati che consente in genere.Un motivo per cui la letteratura studi clinici è necessario specificare in anticipo misure di esito primarie (vedi sopra) è quello di evitare risultati fuorvianti che potrebbero derivare dragaggio dei dati. Inoltre, è importante segnalare tutti i dati pertinenti (se necessario, come materiale integratore), e una dimensione di effetto e intervalli di confidenza deve essere somministrato.

Molti studi riportano solo i risultati positivi, senza menzionare altre variabili e le analisi che sono stati utilizzati. Questo può essere un problema particolare per gli articoli che appaiono su riviste con molto rigorosi limiti di parola. Ad esempio, Temple et al. (2003) ha dato mezzi e SD s per misure comportamentali fondamentali, ma altre variabili, non citate in precedenza, sono stati inclusi in un’analisi di correlazione, ed è impossibile giudicare quante variabili sono stati testati tutto. Per il compito svolto nello scanner, sono stati segnalati significare risposte corrette per i due gruppi, ma le deviazioni standard non sono stati dati e dati di tempo di reazione erano mancanti. Non sono stati riportati sui cambiamenti fMRI nel gruppo di sviluppo tipico dalla prima alla seconda scansione, anche se questo sarebbe stato utile nel dare un’indicazione di affidabilità di tali misure.

Analisi dei dati: (a) Analisi degli effetti dell’intervento

L’effetto dell’intervento dovrebbe essere valutata con metodi che mettono a confronto in modo esplicito gruppi di controllo e di intervento. Dimostrazione di una significativa interazione tra l’esecuzione delle prove (postintervention pre-vs) e di gruppo (sperimentale vs Control) può essere usato per mostrare un effetto del trattamento se i gruppi sono ben abbinati, prima dell’intervento. Analisi della covarianza, confrontando i punteggi post-test per due gruppi, mentre covarying colonne sonore pretest è preferibile, in quanto regola per il livello iniziale di prestazioni, potenza ottimizzazione per trovare una differenza tra i gruppi. Purtroppo, molti studi adottano né l’approccio. In una revisione degli studi di neuroscienze, Nieuwenhuis, Forstmann, e Wagenmakers (2011) hanno notato un errore diffuso effettuare le analisi del caso cercando in effetti differenziali di una manipolazione sperimentale in due gruppi. Il loro punto generale era che i ricercatori spesso si concentrano sulle differenze nei livelli di significatività (ad esempio gruppo A migliora in modo significativo di volta in volta 1 2, mentre il gruppo B non lo fa), quando invece dovrebbero essere considerando la significatività delle differenze (ad esempio è il cambiamento di tempo 1 al tempo 2 affidabile maggiore nel gruppo A rispetto al gruppo B).

Chiaramente, gli studi non possono soddisfare questo criterio metodologico se non hanno un gruppo di controllo adeguato, come nel caso di cinque dei sei studi. Come notato sopra, le misure comportamentali possono cambiare notevolmente da una prima-seconda prova, anche se non si verifica alcun intervento, e quindi non possono essere interpretati come mostra un effetto di intervento. Né è questa difficoltà risolto dimostrando che un gruppo trattato cambia e un gruppo di confronto non. E ‘particolarmente fuorviante se i ricercatori confrontano il significato dei punteggi di cambiamento in due gruppi quando i gruppi si differenziano per dimensioni, come è stato fatto da Hayes et al. (2003) , in quanto la stessa quantità di cambiamento sarà più probabile che sia statisticamente significativo in ampio campione di un piccolo campione.

Quali dei risultati di imaging cerebrale? Il modo in cui i dati di imaging sono presentati aggrava la tendenza a overinterpret differenze all’interno o tra gruppi. Tipicamente, i risultati di fMRI vengono visualizzati su un cervello schematica, con “macchie” indicano regioni in cui un gruppo di individui mostra una significativa attivazione in una condizione relativa ad un altro. La posizione e le dimensioni delle macchie dipendono da decisioni riguardanti soglia, che può fare una piccola differenza tra i gruppi sembrare un effetto tutto-o-niente. Inoltre, questo tipo di rappresentazione non descrive la variazione all’interno del gruppo. E ‘facile essere indotto a pensare che tutti i partecipanti mostrano un livello simile di attivazione, e che l’immagine complessiva è rappresentativo di individui nel gruppo. Questo non è necessariamente vero. Vi è una serie di possibili spiegazioni per un fallimento di un gruppo per mostrare l’attivazione in fMRI in una determinata regione del cervello. Può essere che il cervello di questi bambini sono insensibili alla dimensione compito critico. In alternativa, ci possono essere forti livelli di attivazione, ma con elevata variazione all’interno del gruppo, sia a livello o in posizione di attivazione.Queste possibilità non è possibile distinguere se si basa esclusivamente su un’immagine di aree significative di attivazione quando si confrontano i due gruppi. E ancora, il problema è aggravato se le dimensioni dei gruppi non sono uguali.

La natura ingannevole di dati di imaging è illustrata dalla Figura 3 , da Temple et al. (2003) . Anche se non sono un gruppo clinico non trattati, hanno fatto avere i dati su un gruppo di confronto con sviluppo tipico, e quindi potenzialmente potrebbero considerare se le risposte del cervello dei bambini dislessici normalizzati dopo l’intervento. Si è sostenuto che lo hanno fatto perché dopo l’intervento i bambini dislessici hanno mostrato una maggiore attivazione nelle regioni del cervello che in precedenza erano stati poco attiva, e che sono stati attivati ​​nei bambini con sviluppo tipico fin dall’inizio. Queste conclusioni, tuttavia, sono basate su un’analisi discutibile. In effetti, i ricercatori stavano sostenendo un effetto di interazione, cioè una differenza tra i gruppi alla prima scansione che ha ridotto al secondo (posttraining) scansione, ma questo non è stato testato statisticamente testando per una interazione con il gruppo. Invece, è stato sostenuto che i cambiamenti osservati nel cervello dislessico li rendono più simili di solito leggere figli sulla base delle mappe cerebrali (vedi figura 1 ), che non raffigurano la variazione all’interno dei gruppi. Inoltre, l’analisi si è concentrata sul cambiamento di attivazione dal pretraining a posttraining all’interno del gruppo dislessico, dopo la media variazione attivazione del gruppo tipicamente lettura era stato sottratto dai attivazioni dislessici. La giustificazione di questo approccio è che ci permette di vedere i cambiamenti in attivazione che erano specifiche per il gruppo dislessico, ma questo non è valido. Ciò che serve è un confronto statistico che tenga conto variabilità all’interno di ogni gruppo. Siamo in grado di farsi un’idea di variazione all’interno del gruppo dalla dispersione riportato da Temple et al. (2003) che mostra la distribuzione di una misura della variazione di sinistra attivazione temporo-parietale nel gruppo dislessico, ed è evidente che questo è sostanziale, con due individui che mostra grandi diminuisce, e molti altri che non presenta cambiamento (vedi Figura 4).

Figura 3

Differenze di attivazione cerebrale in dislessia e il suo trattamento, sulla base di dati provenienti da Temple et al. (2003) . Figure e legenda esplicativa (sotto) riprodotto con il permesso di Gabrieli, JD (2009). Dislessia: una nuova sinergia tra istruzione e cognitivo …

Figura 4

Dispersione basato su Temple et al. (2003) , illustra la relazione tra cambiamento totale Linguaggio Punteggio e cambiare in sinistra attivazione temporo-parietale, dal pre al posttraining nei bambini dislessici. Il cerchio tratteggiata indica due valori anomali che mostrano un …

Problemi simili sorgono nella comunicazione dei dati elettrofisiologici, dove è comune a riferire i risultati come grandi forme d’onda media. Non è possibile stabilire se due forme d’onda sono attendibilmente diverso senza informazioni sulla variabilità all’interno di ciascun gruppo. Questa era una limitazione dello studio da Popescu et al. (2009) , che ha mostrato grandi forme d’onda e risultati dei test statistici medi, ma non ha dato i mezzi, DS o dimensioni di effetto per le misure di ERP.

Analisi dei dati: (b) Correzione per confronti multipli

Bishop (2007a) ha osservato che in studi elettrofisiologici investigatori hanno molti possibili modi di guardare i dati, esaminando diverse cime, diversi metodi di identificazione picchi, diversi elettrodi, diverse finestre temporali, e così via. Dato un tale vasta gamma di opzioni, se si guardano i dati impostati in modi abbastanza, troverete un confronto che è significativa al livello .05: il problema è che i livelli di significatività hanno senso solo se l’analisi è stato specificato in anticipo , prima che i dati sono stati ispezionati. Nel campo della risonanza magnetica strutturale e funzionale, questo problema è ingrandita, con i dati disponibili da migliaia di voxel. Il campo è evoluto procedure per la correzione per confronti multipli, ma c’è dibattito sui dettagli di come questo dovrebbe essere fatto, e la variazione nella metodologia impiegata ( Bor, 2012 ).

Le correlazioni sono spesso utilizzati per supportare l’analisi dei principali effetti in studi di intervento, e di identificare le caratteristiche di coloro che rispondono all’intervento. Essi sono, tuttavia, suscettibili di risultati spuri se un gran numero di confronti sono condotte in modo non vincolato. Temple et al.(2003) riportarono alcune correlazioni significative tra le misure comportamentali e le regioni cerebrali selezionate di interesse. Tuttavia, dato il gran numero di regioni del cervello considerate e la gamma di misure comportamentali (che comprendono le misure adottate dal pacchetto di formazione, e una misura di elaborazione fonologica che non è stata descritta nella sezione Metodi), le correlazioni spurie sono probabili. E non è indicato quante correlazioni sono state calcolate, ma è chiaro che i risultati non sarebbero sopravvissuti correzione per test multipli: la correlazione data più importanza, tra il miglioramento linguaggio e l’aumento sinistra attivazione temporo-parietale, è stata significativa a livello .05 solo su test ad una coda. Si scende vicino allo zero se prendiamo le due valori anomali che hanno mostrato una diminuzione nell’attivazione accoppiato con una mancanza di miglioramento lingua (vedere Figura 4 ).

‘Doppia dipping’ è una procedura dubbia che viene spesso utilizzato con lo scopo di ameliorating problemi di confronti multipli. Si riferisce ad una analisi a due stadi in cui un insieme di dati viene ispezionato prima per identificare un sottoinsieme di interesse (ad esempio, una serie di voxel, un elettrodo specifico, una regione tempo), e poi l’analisi statistica si limita ad essa sottoinsieme di dati (Kriegeskorte, Simmons, Bellgowan, e Baker, 2009 ). Questo rischia di produrre risultati positivi spuri meno che i risultati che vengono analizzate sono indipendenti dal criterio di selezione. Questo perché le variabili dipendenti non sono misure puri di un effetto di interesse: contengono anche errori casuali. La nozione di misura di una componente ‘punteggio vero’ e una componente ‘errore’ è ben consolidata in psicometria ( Signore & Novick, 1968 ), ma ha un’applicazione molto più ampia. Supponiamo che io sono gruppi A e B, per i quali vi sono dati fMRI su due condizioni che differenziale attivano una determinata regione del cervello. Se seleziono per l’analisi la regione del cervello che dà l’attivazione massima per il gruppo A, e quindi confrontare A e B su questa regione, il rischio è che il gruppo B mostrerà meno l’attivazione di A perché il punteggio massimo di A incorpora errore casuale, così come punteggio vero.

Questo può essere più facile da comprendere immaginando una situazione in cui il punteggio è determinato solo per caso, come quando due persone raccogliere tre carte da un pacchetto a caso.Ripetiamo questo con 10 diversi mazzi di carte (analoghe alle regioni del cervello), e poi decidere di assegnare un premio alla persona che riceve le carte più alte punteggio con un determinato pacchetto.Ma c’è un inghippo. Selezioniamo il pacchetto che la persona A ha ottenuto il punteggio più alto.Chiaramente questo è ingiusto perché questo distorce il risultato a favore della persona A. Naturalmente, in contesti di neuroimaging, i dati non sono determinati solo per caso, ma il punto sollevato daKriegeskorte et al. (2009) è che ci sarà errore associato a qualsiasi misura, e ciò significa che questo tipo di bias si insinuerà in qualsiasi analisi dove c’è una mancanza di indipendenza tra il processo di selezione di una variabile e l’analisi di quella variabile.

Si consideri, per esempio, l’approccio adottato dalla Gaab et al. (2007) , che ha paragonato l’attivazione preformazione per i lettori dislessici e tipici identificando le regioni che hanno mostrato più di attivazione rapida di transizioni lenti in quest’ultimo gruppo. Essi hanno scoperto che il gruppo dislessico ha mostrato un effetto minore frequenza di transizione per queste regioni. Tuttavia, questo è direttamente analogo alla carte da gioco esempio e il risultato è fuorviante perché non tiene conto distorsione introdotta da errore di misura.

Punti chiave

• È credenza popolare che gli studi di funzione del cervello porterà a una migliore intervento per i bambini con disturbi dello sviluppo neurologico.
• Limitazioni di neuroimaging dati (fMRI, EEG e MEG) sui bambini sono ampiamente sottovalutati.
• Neuroimagers bisogno di unire le loro competenze tecniche con approfondimenti metodologici dai campi di studi clinici e psicometria.
• Esiste la possibilità di neuroscienze di informare intervento attraverso l’applicazione di nuovi metodi che mirano direttamente ad alterare la funzione del cervello: Neurofarmacologia stimolazione cerebrale e neurofeedback.
• Ben progettato, grandi studi clinici di interventi comportamentali dovrebbero essere una priorità – senza questi, neuroimaging non sarà in grado di mantenere le sue promesse.