摘要

人類神經(jīng)科學(xué)一直在突破可測(cè)量的邊界。在過(guò)去的十年中，對(duì)統(tǒng)計(jì)功效和可重復(fù)性的關(guān)注(不僅適用于一般科學(xué)而且特別適用于人類神經(jīng)科學(xué)領(lǐng)域)引發(fā)了廣泛的討論。這種討論的一個(gè)重要觀點(diǎn)是需要更大的樣本量，這自然會(huì)增加統(tǒng)計(jì)功效。另一種方法是提高測(cè)量的精度，這也是本文的重點(diǎn)。盡管提高測(cè)量精度對(duì)于增加統(tǒng)計(jì)功效的效益和增加樣本量一樣重要，但該方法經(jīng)常被忽視。然而，精度一直是人類神經(jīng)科學(xué)中良好科學(xué)實(shí)踐的核心，研究人員依靠實(shí)驗(yàn)室傳統(tǒng)或經(jīng)驗(yàn)法則來(lái)確保其研究具有足夠的精度。本綜述鼓勵(lì)采用更系統(tǒng)的方法來(lái)提高精度。首先介紹了測(cè)量精度及其對(duì)人類神經(jīng)科學(xué)研究的重要性。然后，闡述了一系列神經(jīng)科學(xué)方法(MRI、M/EEG、EDA、眼動(dòng)追蹤和內(nèi)分泌學(xué))中精度的決定因素。最后，討論了如何對(duì)精度和各自見(jiàn)解的應(yīng)用進(jìn)行更系統(tǒng)地評(píng)估，以提高人類神經(jīng)科學(xué)的可重復(fù)性。

前言

了解人類大腦的功能組織取決于研究中使用的測(cè)量方法類型、質(zhì)量，特別是精度。人類神經(jīng)科學(xué)的實(shí)驗(yàn)研究涉及多個(gè)步驟(設(shè)計(jì)和進(jìn)行研究，數(shù)據(jù)處理，統(tǒng)計(jì)分析，報(bào)告結(jié)果)，每個(gè)步驟都涉及多個(gè)參數(shù)和決策。在研究過(guò)程中，這種所謂的“分叉路徑分析花園”在研究過(guò)程中引起了廣泛關(guān)注，因?yàn)橐呀?jīng)證明研究結(jié)果在很大程度上取決于設(shè)計(jì)、處理和分析管道。分析異質(zhì)性會(huì)對(duì)測(cè)量精度產(chǎn)生至關(guān)重要的影響，從而影響統(tǒng)計(jì)功效和樣本量要求。在本綜述中，重點(diǎn)關(guān)注如何優(yōu)化人類神經(jīng)科學(xué)中常被忽視的測(cè)量精度問(wèn)題，并討論了對(duì)功效分析的影響。對(duì)這些因素的了解將極大地有利于對(duì)個(gè)體差異、組水平效應(yīng)和疾病生物標(biāo)志物感興趣的神經(jīng)科學(xué)家，因?yàn)椴煌难芯繂?wèn)題受益于不同的優(yōu)化策略。其中許多因素通過(guò)實(shí)驗(yàn)室傳承，但在已發(fā)表的文獻(xiàn)中并沒(méi)有得到充分的記錄或經(jīng)驗(yàn)評(píng)估。例如，每種條件下的試次數(shù)、傳感器噪聲容差、掃描儀脈沖序列和電極位置等因素通常基于某個(gè)實(shí)驗(yàn)室的先前工作，而不是建立在可靠的定量原則上。因此，迫切需要綜合有關(guān)測(cè)量精度決定因素的實(shí)證證據(jù)，并通過(guò)使用標(biāo)準(zhǔn)化的報(bào)告格式(例如，BIDS，https://bids.neuroimaging.io/specification.html)共享原始數(shù)據(jù)。

本文將測(cè)量精度定義為用恒定的真實(shí)分?jǐn)?shù)重復(fù)測(cè)量變量并獲得類似結(jié)果的能力。因此，如果測(cè)量不受噪聲、測(cè)量誤差或不可控的協(xié)變量影響，精度將是最高的。至關(guān)重要的是，精度與其他概念(如有效性、準(zhǔn)確性或可靠性等)相關(guān)，但不同于其他概念(有關(guān)精度與其他概念的關(guān)系，請(qǐng)參閱圖1和圖2)。在參與者或組水平上的精度越高，檢測(cè)參與者之間或參與者組之間效應(yīng)的統(tǒng)計(jì)功效就越高。因此，更精確的測(cè)量增加了檢測(cè)到真實(shí)效應(yīng)的概率。此外，這樣可以更準(zhǔn)確地估計(jì)效應(yīng)大小?；谶m當(dāng)功效計(jì)算的研究項(xiàng)目有助于產(chǎn)生更明確的結(jié)果，從而更有效地使用研究資金。

雖然高測(cè)量精度是統(tǒng)計(jì)功效的關(guān)鍵決定因素，但它往往被忽視。相反，增加樣本量已經(jīng)演變?yōu)樵鰪?qiáng)心理學(xué)(Open Science Collaboration，2015)和神經(jīng)科學(xué)統(tǒng)計(jì)功效的主要方法。一般來(lái)說(shuō)，組間差異研究的統(tǒng)計(jì)功效由以下參數(shù)確定：(a)所選的統(tǒng)計(jì)顯著性閾值α；(b)相對(duì)于總方差的未標(biāo)準(zhǔn)化效應(yīng)量；以及(c)總樣本量N。在給定預(yù)期效應(yīng)量(例如，方差分析模型的f值)和顯著性水平的情況下，可以將該模型轉(zhuǎn)換為進(jìn)行簡(jiǎn)單統(tǒng)計(jì)分析(例如，方差分析的主效應(yīng))所需統(tǒng)計(jì)功效的總樣本量。許多研究人員此前曾呼吁增加人類神經(jīng)科學(xué)的樣本量，以獲得足夠的統(tǒng)計(jì)功效。然而，考慮到準(zhǔn)備時(shí)間、耗材、設(shè)備運(yùn)營(yíng)成本、人員培訓(xùn)和參與者的報(bào)酬，獲取神經(jīng)科學(xué)數(shù)據(jù)的成本相對(duì)較高。如果不能輕易增加參與者的數(shù)量，這種外部資源限制往往會(huì)使先驗(yàn)功效分析的結(jié)果變得毫無(wú)意義。

增加總樣本量只是提高統(tǒng)計(jì)功效的一種可能方法。一個(gè)有前景的替代方法是在感興趣的聚合水平上提高精度。這可以在組水平上通過(guò)充分選擇樣本和/或范式，在個(gè)體水平上通過(guò)增加試次數(shù)量，甚至在試次水平上通過(guò)使用更精確的測(cè)量技術(shù)來(lái)實(shí)現(xiàn)。相反，缺乏測(cè)量精度會(huì)導(dǎo)致誤差方差量增加，從而增加總方差的估計(jì)值。重要的是，確定通過(guò)增加試次數(shù)帶來(lái)的精度增益并非易事。雖然擴(kuò)大被試數(shù)量可以提供一些優(yōu)點(diǎn)，但額外的試次也可能會(huì)增加序列效應(yīng)(例如，習(xí)慣化、疲勞或?qū)W習(xí)等效應(yīng))的影響。盡管可以通過(guò)建模等方法來(lái)減小這種序列效應(yīng)，但是增加試次數(shù)量不會(huì)無(wú)限期地提高測(cè)量精度和可靠性。接下來(lái)，本文將在不同的生物心理學(xué)和神經(jīng)科學(xué)方法的背景下對(duì)這些因素進(jìn)行總結(jié)。

特定于測(cè)量的注意事項(xiàng)

磁共振成像(MRI)

功能磁共振成像(fMRI)是一種間接測(cè)量大腦活動(dòng)的方法，可捕獲氧合血流量的變化情況。結(jié)構(gòu)MRI生成腦組織圖像，允許解剖學(xué)研究，以及估計(jì)細(xì)胞群的分布或腦區(qū)之間的連接。

設(shè)計(jì)和數(shù)據(jù)記錄

MRI掃描儀最重要的特性是其場(chǎng)強(qiáng)。典型的場(chǎng)強(qiáng)值為1.5、3或7T，較高的值可以提高空間分辨率(因?yàn)樾旁氡仍黾恿?，但同時(shí)也增加了參與者副作用和偽影的可能性。掃描協(xié)議的參數(shù)會(huì)影響所測(cè)量的內(nèi)容。例如，可以調(diào)整視野以在特定腦區(qū)達(dá)到最佳精度。此外，減少運(yùn)動(dòng)(例如，提高時(shí)間分辨率，從而通過(guò)多波段序列潛在地減少采集時(shí)間，用緩沖墊固定頭部，在模擬掃描儀中進(jìn)行訓(xùn)練，實(shí)時(shí)反饋)和建模生理噪聲(例如心跳和呼吸)的策略可以減少BOLD信號(hào)分析中的誤差方差，從而提高精度。最后，在任務(wù)態(tài)fMRI研究中，每個(gè)受試者的試次數(shù)越多，或者在靜息態(tài)研究中的掃描時(shí)間越長(zhǎng)，可以提高信號(hào)的精度。然而，較長(zhǎng)的掃描持續(xù)時(shí)間可能會(huì)導(dǎo)致受試者疲勞或動(dòng)機(jī)降低，這可以通過(guò)將數(shù)據(jù)采集分成幾個(gè)較短的掃描blocks來(lái)抵消。

fMRI：研究大腦激活

fMRI通過(guò)評(píng)估局部血流的電磁特性來(lái)間接測(cè)量神經(jīng)活動(dòng)。個(gè)體水平和組水平上的幾個(gè)因素會(huì)影響測(cè)量的精度，包括設(shè)計(jì)效率和降低誤差方差的因素。設(shè)計(jì)效率反映了對(duì)比試次是否會(huì)引起信號(hào)變化的巨大變異性，從而提高了信噪比。為了增加設(shè)計(jì)效率，可以使用“抖動(dòng)”刺激間隔(即為每個(gè)刺激間隔添加隨機(jī)持續(xù)時(shí)間)，包括零事件(即與實(shí)驗(yàn)中其他試次具有相同時(shí)序和持續(xù)時(shí)間，但沒(méi)有向參與者提供任何不同于試次間隔的感官輸入)，或優(yōu)化試次順序。在block設(shè)計(jì)中，一種實(shí)驗(yàn)條件按連續(xù)呈現(xiàn)幾次，通常比事件相關(guān)設(shè)計(jì)(條件block以隨機(jī)順序呈現(xiàn))的設(shè)計(jì)效率更高。然而，block設(shè)計(jì)可能會(huì)引入序列效應(yīng)(如期望和上下文效應(yīng))，這可能會(huì)增加誤差方差，降低測(cè)量的精度。此外，fMRI的多波段采集可以大大提高時(shí)間分辨率，但也因此增加了每位受試者每個(gè)試次的數(shù)據(jù)量。然而，多波段fMRI可能會(huì)降低信噪比，并不利于檢測(cè)與獎(jiǎng)賞相關(guān)的紋狀體和內(nèi)側(cè)前額葉皮層的激活。反之，多回波成像結(jié)合適當(dāng)?shù)娜ピ爰夹g(shù)可以提高fMRI的精度，甚至可以抵消多波段成像對(duì)精度的不利影響。最后，實(shí)驗(yàn)信號(hào)的時(shí)間頻率應(yīng)與血氧反應(yīng)函數(shù)的最佳濾波特性(~0.4Hz)相匹配，并且不與低頻成分混疊，因?yàn)榈皖l成分通常被視為噪聲并在后續(xù)分析中被濾除。

連接性和大腦網(wǎng)絡(luò)

大腦連接可以在功能或結(jié)構(gòu)水平上進(jìn)行評(píng)估。對(duì)于結(jié)構(gòu)連接，測(cè)量精度取決于采集的大量擴(kuò)散加權(quán)圖像。然而，已有研究提出了一些方法，即使在數(shù)據(jù)量很小的情況下也能達(dá)到很好的精度。在靜息態(tài)功能連接方面，比較不同長(zhǎng)度的fMRI數(shù)據(jù)和掃描時(shí)間不足時(shí)的精度損失存在爭(zhēng)議。根據(jù)定義，靜息態(tài)掃描是無(wú)約束的狀態(tài)，因此其他因素也會(huì)影響測(cè)量的精度，例如，參與者是睜眼還是閉眼。

數(shù)據(jù)分析

預(yù)處理

目前有各種軟件工具可用于分析MRI數(shù)據(jù)，例如FSL、SPM、FreeSurfer和AFNI/SUMA。所有分析都需要進(jìn)行數(shù)據(jù)預(yù)處理，為此在結(jié)構(gòu)和功能分析方面提出了不同的分析管道。例如，這些管道在將單個(gè)大腦歸一化為標(biāo)準(zhǔn)空間或運(yùn)動(dòng)校正的質(zhì)量上有所不同。提高精度的一個(gè)重要步驟是對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行全面的質(zhì)量評(píng)估(QA)。對(duì)于結(jié)構(gòu)數(shù)據(jù)，手動(dòng)ENIGMA QA協(xié)議(ENIGMA，2017)或自動(dòng)化質(zhì)量指標(biāo)已被證明可以提高數(shù)據(jù)質(zhì)量。

一般方法

對(duì)于MRI數(shù)據(jù)的分析，一般線性模型(GLM)通常用于單變量分析方法(見(jiàn)圖3C)。在這里，精度主要取決于數(shù)據(jù)質(zhì)量和樣本組成。此外，可以通過(guò)添加協(xié)變量來(lái)降低誤差方差(例如，功能分析中的被試運(yùn)動(dòng)；以及結(jié)構(gòu)分析中的年齡、性別、利手和顱內(nèi)總體積)。此外，可以對(duì)來(lái)自心跳或呼吸的生理噪聲進(jìn)行建模，從而降低相應(yīng)的噪聲。請(qǐng)注意，與多變量分析相比，單變量分析方法的重測(cè)信度較低。因此，一些研究人員通常推薦使用多變量分析而不是單變量分析。此外，應(yīng)評(píng)估與中樞神經(jīng)活動(dòng)或大腦血流相互作用的所有物質(zhì)的攝入量。這些可能會(huì)對(duì)fMRI產(chǎn)生影響，但目前還沒(méi)有通用的處理指南。雖然排除經(jīng)常攝入尼古丁、酒精或咖啡因的參與者會(huì)大大降低研究的普適性，但不考慮這些精神活性物質(zhì)的不同暴露會(huì)增加誤差方差，從而降低測(cè)量精度。因此，可以評(píng)估經(jīng)常攝入的水平和自上次攝入以來(lái)的時(shí)間，并將其作為協(xié)變量來(lái)控制由于該物質(zhì)影響而引起的BOLD反應(yīng)的系統(tǒng)變化。

fMRI：研究大腦激活

fMRI數(shù)據(jù)通常采用兩級(jí)分析方法。一階模型分析個(gè)體水平的BOLD時(shí)間序列，并估計(jì)在二階或組水平中進(jìn)一步研究的概括統(tǒng)計(jì)量(例如個(gè)體對(duì)比加權(quán)GLM系數(shù)，見(jiàn)圖3)。在組水平上，估計(jì)的效應(yīng)取決于個(gè)體水平估計(jì)的精度，這也得益于前面提到的協(xié)變量和隨機(jī)效應(yīng)的使用。此外，可以對(duì)序列自相關(guān)和典型血流動(dòng)力學(xué)響應(yīng)函數(shù)的偏差進(jìn)行建模，并應(yīng)用頻率濾波器來(lái)保留實(shí)驗(yàn)誘發(fā)的BOLD信號(hào)，但需要在一級(jí)分析中減少誤差相關(guān)信號(hào)。

與體素單變量分析相比，多變量分析方法結(jié)合了跨體素的信息，例如，區(qū)分不同的組別或預(yù)測(cè)行為。其中一些方法可以解釋預(yù)測(cè)變量空間(主成分回歸)或預(yù)測(cè)變量和結(jié)果空間中的大部分方差(偏最小二乘)。正則化回歸方法，如彈性網(wǎng)、LASSO(最小絕對(duì)收縮和選擇算子)分析、嶺回歸，可以通過(guò)合并少量或大量體素的信息來(lái)達(dá)到相同的目的。

連接性和大腦網(wǎng)絡(luò)

分割步驟將神經(jīng)數(shù)據(jù)的每個(gè)體素分配到不同的大腦區(qū)域，然后將這些區(qū)域用作網(wǎng)絡(luò)中的節(jié)點(diǎn)，并估計(jì)節(jié)點(diǎn)之間的連接(邊)。之前有研究開(kāi)發(fā)并使用了各種不同標(biāo)準(zhǔn)(如解剖標(biāo)記、細(xì)胞結(jié)構(gòu)邊界、纖維束或功能共激活)的分割方案來(lái)定義這些網(wǎng)絡(luò)節(jié)點(diǎn)。在功能腦網(wǎng)絡(luò)的構(gòu)建中，通常采用基于共激活的功能分區(qū)方法或跨模態(tài)邊界一致的多模態(tài)模板來(lái)分配體素。在某些情況下，最初的分割模式僅包括皮質(zhì)區(qū)域，后來(lái)擴(kuò)展到皮質(zhì)下腦區(qū)。最佳分割方式的選擇取決于具體的研究問(wèn)題，理想情況下，應(yīng)該通過(guò)不同的分割方式來(lái)重現(xiàn)結(jié)果。此外，目前的證據(jù)表明，時(shí)間分辨功能連接的分析可能受益于基于動(dòng)態(tài)功能連接模式開(kāi)發(fā)的模板。

因此，精確分割是確保有意義的連接模式的基礎(chǔ)，使用標(biāo)準(zhǔn)圖譜進(jìn)行分割有助于元分析工作并提高不同研究之間的可比性。然而，先前的研究也表明，大腦的功能分區(qū)因人而異，也因時(shí)間而異。如果個(gè)體模板是基于足夠長(zhǎng)掃描時(shí)間的fMRI數(shù)據(jù)集計(jì)算的，則使用在特定時(shí)間點(diǎn)為每個(gè)被試單獨(dú)創(chuàng)建的個(gè)體分區(qū)模板可以提高行為表現(xiàn)的預(yù)測(cè)。特定于任務(wù)相關(guān)連接的另一個(gè)重要方面是去除任務(wù)誘發(fā)的大腦激活，這可以通過(guò)基組任務(wù)回歸來(lái)實(shí)現(xiàn)。如果以圖的形式分析腦功能網(wǎng)絡(luò)，則全局指標(biāo)比節(jié)點(diǎn)特異性指標(biāo)具有更高的精度。通過(guò)對(duì)相關(guān)指標(biāo)本身進(jìn)行時(shí)間解析，可以實(shí)現(xiàn)最高的時(shí)間精度。這種分析甚至允許對(duì)每個(gè)采樣點(diǎn)進(jìn)行網(wǎng)絡(luò)構(gòu)建。腦功能網(wǎng)絡(luò)被進(jìn)一步用作基于機(jī)器學(xué)習(xí)模型的輸入，通過(guò)“學(xué)習(xí)”最相關(guān)的連接特征來(lái)提高測(cè)量精度。

關(guān)于結(jié)構(gòu)連接分析的測(cè)量精度，建議使用基于解剖學(xué)相似性的分割圖譜，例如Desikan-Killiany圖譜或Destrieux圖譜。當(dāng)同時(shí)估計(jì)結(jié)構(gòu)和功能連接時(shí)，像HCP這樣的多模態(tài)分割圖譜更可取。結(jié)構(gòu)連接可以基于概率或確定性纖維束成像進(jìn)行建模，兩種方法各有優(yōu)勢(shì)，而多纖維確定性纖維束成像(或適當(dāng)閾值的概率纖維束成像)是最佳的解決方案。然而，即使使用黃金標(biāo)準(zhǔn)的分析技術(shù)，如果纖維在一個(gè)體素內(nèi)交叉，或者多個(gè)纖維在一個(gè)體素內(nèi)匯合并在再次分離前并行運(yùn)行時(shí)，仍然會(huì)導(dǎo)致連接估計(jì)的精度降低。為此，有研究提出了幾種數(shù)據(jù)采集或分析方法來(lái)解決這些問(wèn)題。其他問(wèn)題涉及對(duì)稱(推薦)與非對(duì)稱連接矩陣的使用，或節(jié)點(diǎn)大小的校正。

報(bào)告標(biāo)準(zhǔn)

對(duì)于fMRI研究，先前的工作已經(jīng)建立了報(bào)告標(biāo)準(zhǔn)(eCOBIDAS，https://osf.io/anvqy/)以及標(biāo)準(zhǔn)化的數(shù)據(jù)結(jié)構(gòu)(BIDS)。此外，最近發(fā)布的預(yù)注冊(cè)模板提供了詳盡的fMRI研究相關(guān)信息，不僅可以在預(yù)注冊(cè)期間考慮這些信息，還可以在報(bào)告已完成的研究時(shí)考慮這些信息。

腦磁圖和腦電圖(M/EEG)

神經(jīng)群內(nèi)的突觸后電流會(huì)產(chǎn)生一個(gè)電磁信號(hào)，可在頭皮表面通過(guò)腦磁圖和腦電圖(M/EEG)測(cè)量。信號(hào)質(zhì)量在很大程度上取決于傳感器技術(shù)。基于凝膠的腦電圖系統(tǒng)提供了良好的信號(hào)質(zhì)量，但應(yīng)用時(shí)間較長(zhǎng)。較新的干電極系統(tǒng)噪聲較大，但幾乎可以立即設(shè)置。使用傳感器網(wǎng)絡(luò)和鹽水溶液的系統(tǒng)是一種折中方案。信號(hào)保真度可以通過(guò)使用在傳感器放大信號(hào)的有源電極系統(tǒng)或內(nèi)置電子屏蔽的系統(tǒng)來(lái)提高。傳感器技術(shù)的選擇要權(quán)衡其他限制條件，例如，在測(cè)試嬰兒時(shí)，可能需要具有快速設(shè)置時(shí)間的系統(tǒng)。在傳統(tǒng)的低溫MEG系統(tǒng)中，傳感器固定在頭盔中，這意味著與參與者頭部的距離可能會(huì)有很大差異，因而可能會(huì)影響信號(hào)強(qiáng)度。新的傳感器技術(shù)基于光泵磁強(qiáng)計(jì)，可避免此問(wèn)題。

設(shè)計(jì)和數(shù)據(jù)記錄

試次數(shù)量和樣本量對(duì)于M/EEG實(shí)驗(yàn)設(shè)計(jì)非常重要。目前，M/EEG實(shí)驗(yàn)每組的平均樣本量低至21人，而像EEGManyLabs這樣的大規(guī)模重復(fù)嘗試旨在測(cè)試更大規(guī)模的樣本。由訓(xùn)練有素的操作人員進(jìn)行準(zhǔn)備，可確保相似的準(zhǔn)備時(shí)間、一致的杜瓦瓶位置(MEG)以及參與者之間具有可比且合理的阻抗(EEG)。由于各種因素(例如顱骨厚度、頭發(fā)、護(hù)發(fā)產(chǎn)品和年齡)的不同，整個(gè)頭皮的阻抗可能不同。阻抗也會(huì)因體溫變化以及凝膠或鹽水導(dǎo)體的干燥而發(fā)生變化。在整個(gè)實(shí)驗(yàn)過(guò)程中測(cè)量阻抗可以監(jiān)測(cè)數(shù)據(jù)質(zhì)量，并在實(shí)驗(yàn)期間改善信號(hào)質(zhì)量不足的通道。然而，在實(shí)驗(yàn)過(guò)程中刷新凝膠/液體可能會(huì)改變信號(hào)，可能會(huì)引入額外的方差并影響某些分析。此外，頭部位置跟蹤系統(tǒng)可以在頭部約束方法不可行的情況下進(jìn)行運(yùn)動(dòng)校正，并且仰臥位測(cè)量可用于未來(lái)的源重建(因?yàn)镸RI是仰臥位測(cè)量)。應(yīng)該注意的是，參與者的體位會(huì)影響M/EEG記錄信號(hào)的大小，例如，當(dāng)受試者處于仰臥位時(shí)，由于大腦和顱骨之間的腦脊液量減少，枕葉皮層發(fā)出的信號(hào)會(huì)顯著增加。共配準(zhǔn)眼動(dòng)追蹤可以改善腦電數(shù)據(jù)中眼電偽跡的檢測(cè)和排除。

數(shù)據(jù)分析

預(yù)處理

預(yù)處理步驟，如濾波，通過(guò)去除高頻噪音來(lái)提高腦電數(shù)據(jù)的精度，但也可能對(duì)后續(xù)分析產(chǎn)生不可預(yù)測(cè)的影響，影響數(shù)據(jù)的時(shí)間分辨率并引入偽跡。本文建議使用經(jīng)過(guò)驗(yàn)證和標(biāo)準(zhǔn)化的(半)自動(dòng)預(yù)處理流程，以適應(yīng)數(shù)據(jù)的特性和具體的研究問(wèn)題。如果研究人員決定手動(dòng)篩選偽跡，本文建議記錄手動(dòng)評(píng)分程序，并評(píng)估評(píng)分者之間的一致性。

已經(jīng)有研究表明，在經(jīng)過(guò)嚴(yán)格的高通濾波數(shù)據(jù)上，基于獨(dú)立成分分析(ICA)的偽跡去除效果優(yōu)于未經(jīng)濾波或?yàn)V波強(qiáng)度較低數(shù)據(jù)上的ICA偽跡去除。因此，本文建議為獨(dú)立成分估計(jì)創(chuàng)建一個(gè)適當(dāng)?shù)臑V波數(shù)據(jù)集，并將估計(jì)的成分權(quán)重轉(zhuǎn)移到未經(jīng)濾波或?yàn)V波強(qiáng)度較低的數(shù)據(jù)中進(jìn)行進(jìn)一步處理。此外，建議使用經(jīng)過(guò)驗(yàn)證的(半)自動(dòng)分類算法來(lái)分類偽跡成分。如果有外部模態(tài)的數(shù)據(jù)可用(例如心率、眼動(dòng)或身體運(yùn)動(dòng)、視頻錄像等)，可以幫助識(shí)別與這些變量高度相關(guān)的偽跡成分(例如心電偽跡)。

一般方法

大多數(shù)情況下，M/EEG分析依靠對(duì)試次進(jìn)行平均來(lái)提高受試者水平的精度，例如，因?yàn)槭录嚓P(guān)電位(如P300)與正在進(jìn)行的腦電活動(dòng)相比較小(見(jiàn)圖3B)。然后，利用這些均值來(lái)提取不同電極上的因變量，并進(jìn)行某種形式的單變量分析。比較不同電極和結(jié)果計(jì)算以檢驗(yàn)相同假設(shè)的靈活性，會(huì)導(dǎo)致多重隱式比較的問(wèn)題。對(duì)所有這些比較執(zhí)行嚴(yán)格的Bonferroni校正將得到非常保守的結(jié)果。這可以通過(guò)正確識(shí)別族系錯(cuò)誤率(FWE)，排除不必要的比較和執(zhí)行適當(dāng)?shù)亩嘀乇容^校正來(lái)解決。或者，也可以采用單變量分析方法，明確將誤報(bào)率控制在期望水平上，這種方法已經(jīng)得到充分驗(yàn)證，但可能會(huì)使推理結(jié)果不夠精確。此外，目前已開(kāi)發(fā)了一些方法，使用類似于MRI數(shù)據(jù)的一般線性模型(GLM)來(lái)進(jìn)行M/EEG數(shù)據(jù)的分層建模，允許明確地建模受試者內(nèi)方差。最近，有研究證明了使用M/EEG研究大腦功能的多變量方法的優(yōu)勢(shì)。

源空間與電極/傳感器空間分析

源空間分析通常比傳感器空間分析具有更高的信噪比，這通常是因?yàn)樵炊ㄎ贿^(guò)程大多忽略了非腦區(qū)域的噪聲。EEG源定位方法的準(zhǔn)確性主要依賴于EEG電極密度/覆蓋范圍和所采用頭模型的有效性，建議使用受試者自己的MRI掃描而不是模板。值得注意的是，對(duì)于在EEG數(shù)據(jù)上執(zhí)行的連接性分析，即使是在源定位的數(shù)據(jù)上進(jìn)行，也必須考慮容積傳導(dǎo)效應(yīng)。

時(shí)域分析

事件相關(guān)電位(ERPs)是EEG研究中最常用的方法，指的是與刺激相關(guān)的EEG活動(dòng)的平均波形(圖3B)。一般來(lái)說(shuō)，振幅測(cè)量比潛伏期測(cè)量具有更高的精度。值得注意的是，ERP成分的測(cè)量誤差在不同感興趣成分、實(shí)驗(yàn)試次數(shù)量甚至振幅/潛伏期估計(jì)方法方面存在較大異質(zhì)性。由于ERP測(cè)量的精度估計(jì)存在很大差異，建議常規(guī)報(bào)告?zhèn)€體水平和組水平的精度估計(jì)，從而增強(qiáng)研究的可靠性和可重復(fù)性。

頻譜分析

頻譜分析的精度取決于從時(shí)域到頻域的數(shù)據(jù)轉(zhuǎn)換方法及其適用于研究問(wèn)題的程度，但還需要更系統(tǒng)地評(píng)估特定方法對(duì)精度和數(shù)據(jù)質(zhì)量的影響。EEG功率譜通常顯示功率密度隨頻率的增加而迅速下降，稱為“1/f噪聲樣活動(dòng)”。傳統(tǒng)的EEG功率譜分析可能會(huì)將這種活動(dòng)與窄帶振蕩測(cè)量相結(jié)合。最近的發(fā)展提供了分離非周期性(1/f樣)和周期性(振蕩)活動(dòng)成分的可能性。此外，可以報(bào)告典型頻段分析以確保與先前的文獻(xiàn)具有可比性。

報(bào)告標(biāo)準(zhǔn)

有關(guān)EEG和MEG特定方法細(xì)節(jié)的一般指南已在其他研究中報(bào)告，但該領(lǐng)域應(yīng)更加一致地遵循這些準(zhǔn)則。最近的一個(gè)建議是計(jì)算單個(gè)參與者所有試次的標(biāo)準(zhǔn)誤差，即受試者水平的精度。該統(tǒng)計(jì)量有助于識(shí)別低質(zhì)量的數(shù)據(jù)點(diǎn)(參與者或傳感器)。此外，常規(guī)報(bào)告該統(tǒng)計(jì)量可以幫助研究人員確定記錄和分析程序，以提供盡可能高的數(shù)據(jù)質(zhì)量。

皮膚電活動(dòng)(EDA)

皮膚電活動(dòng)反映了由交感神經(jīng)系統(tǒng)控制的內(nèi)分泌汗腺活動(dòng)，可以通過(guò)附著在皮膚上的電極進(jìn)行非侵入性記錄。該信號(hào)由基礎(chǔ)活動(dòng)(即皮膚電導(dǎo)水平的緩慢變化；SCL)和相位活動(dòng)(即個(gè)體的皮膚電反應(yīng)；SCRs)組成。SCL與體溫調(diào)節(jié)和一般喚醒狀態(tài)相關(guān)，而SCRs反映了刺激引起的激活，其特征包括振幅、潛伏期、上升時(shí)間或半恢復(fù)時(shí)間等不同組成部分。盡管存在與皮膚電密切相關(guān)的測(cè)量指標(biāo)，如皮膚電位、電阻或阻抗，但本文重點(diǎn)關(guān)注皮膚電，其單位為微西門(mén)子(μS)。

硬件、設(shè)計(jì)和數(shù)據(jù)記錄

皮膚應(yīng)使用溫水(無(wú)肥皂、酒精或磨損)進(jìn)行清潔準(zhǔn)備，并且參與者之間的確切電極位置應(yīng)保持恒定(最好使用解剖標(biāo)志點(diǎn))，以減少誤差方差。對(duì)于響應(yīng)較慢的SCRs，20Hz的采樣率被認(rèn)為足夠了，但更高的采樣率可以提高測(cè)量精度。SCRs在刺激誘發(fā)后大約1s鐘開(kāi)始(高強(qiáng)度刺激為0.5s)，這對(duì)不同實(shí)驗(yàn)事件之間的時(shí)間間隔有影響。對(duì)于時(shí)間上接近的事件(即＜4s)的響應(yīng)本質(zhì)上很難分離，因?yàn)楫a(chǎn)生的重疊SCR可能會(huì)對(duì)測(cè)量精度產(chǎn)生影響。但是請(qǐng)注意，目前針對(duì)這些情況已經(jīng)開(kāi)發(fā)了基于去卷積的方法。重要的是，由于新穎、令人驚訝或令人興奮的刺激會(huì)引發(fā)SCRs，所以不感興趣的事件也有可能導(dǎo)致重疊的SCRs。

還應(yīng)記錄和控制一些已知對(duì)SCRs產(chǎn)生影響的因素，包括年齡、性別、種族等人口統(tǒng)計(jì)學(xué)變量，以及電極位置處的藥物使用情況或疤痕。此外，一天中的時(shí)間以及環(huán)境因素(如室溫和濕度等)也會(huì)調(diào)節(jié)皮膚電活動(dòng)，因此應(yīng)保持恒定(例如，溫度保持在20~26℃之間，濕度為50%)。

SCRs受到強(qiáng)烈的習(xí)慣化效應(yīng)的影響(圖4)。因此，增加試次數(shù)量以提高個(gè)體水平的精度和可靠性對(duì)于SCRs來(lái)說(shuō)并非易事。事實(shí)上，更大的試次數(shù)量通常不會(huì)提高SCRs的可靠性估計(jì)。對(duì)于這個(gè)結(jié)果的一種解釋是，通過(guò)聚合更多試次來(lái)提高的精度可能會(huì)被序列效應(yīng)抵消。類似地，對(duì)于受試者內(nèi)的操縱也必須考慮到習(xí)慣化效應(yīng)，并且需要仔細(xì)權(quán)衡受試者之間的操作，因?yàn)檫@可能會(huì)導(dǎo)致組間SCL差異或皮膚電反應(yīng)的個(gè)體間差異。值得注意的是，SCL較高的個(gè)體顯示出更多和更大振幅的SCRs。因此，SCRs的自適應(yīng)閾值法可能是提高統(tǒng)計(jì)功效的一種手段。

數(shù)據(jù)分析

處理連續(xù)記錄的皮膚電導(dǎo)數(shù)據(jù)以分析刺激引發(fā)的SCRs需要一系列步驟，所有這些步驟都與測(cè)量精度具有(潛在的)相關(guān)性，包括響應(yīng)量化、選擇最小響應(yīng)閾值(常見(jiàn)共識(shí)標(biāo)準(zhǔn)為0.01μS)、濾波以及用于被試間比較的標(biāo)準(zhǔn)化(例如，范圍校正)。這些步驟中很少有關(guān)于測(cè)量精度的系統(tǒng)研究。最近的多元宇宙類型的研究表明，盡管基礎(chǔ)數(shù)據(jù)相同，但不同處理和操作步驟得出的效應(yīng)大小和精度存在顯著差異。此外，由于SCRs無(wú)反應(yīng)而排除的參與者數(shù)據(jù)是基于異質(zhì)性的定義，可能對(duì)測(cè)量可靠性和精度產(chǎn)生影響。

報(bào)告標(biāo)準(zhǔn)

報(bào)告標(biāo)準(zhǔn)包括受試者準(zhǔn)備(例如，洗手、皮膚預(yù)處理)，數(shù)據(jù)記錄(例如，硬件/軟件、濾波器、采樣率、電極放置、電極和凝膠類型、溫度和濕度)，數(shù)據(jù)處理(例如，濾波器、響應(yīng)量化細(xì)節(jié)包括使用的軟件和確切設(shè)置、時(shí)間窗、轉(zhuǎn)換，截止、無(wú)反應(yīng)標(biāo)準(zhǔn))，以及選擇的理由。

眼動(dòng)追蹤

眼動(dòng)追蹤是基于瞳孔位置的注視方向測(cè)量。這里將重點(diǎn)討論以紅外光為當(dāng)前主導(dǎo)技術(shù)的瞳孔和角膜反射方法，但大部分結(jié)論也適用于其他應(yīng)用。眼動(dòng)追蹤在神經(jīng)科學(xué)方法中占據(jù)了特殊地位，因?yàn)闇?zhǔn)確性(圖1)可以通過(guò)記錄的注視位置與實(shí)際目標(biāo)坐標(biāo)之間的差異來(lái)輕松量化。因此，校準(zhǔn)和驗(yàn)證程序?qū)τ跍y(cè)量系統(tǒng)誤差非常重要(圖5)。在眼動(dòng)追蹤文獻(xiàn)中，“精度”具體指的是注視期間時(shí)間序列信號(hào)的試次級(jí)精度。數(shù)據(jù)質(zhì)量的另一個(gè)重要指標(biāo)是追蹤丟失的百分比，該指標(biāo)表示眼動(dòng)追蹤在時(shí)域上的穩(wěn)健性。

設(shè)計(jì)和數(shù)據(jù)記錄

設(shè)置特定因素

在裝配眼動(dòng)追蹤環(huán)境時(shí)，需要考慮幾個(gè)因素以保持足夠的精度。例如，眼動(dòng)儀必須具有至少200Hz的高采樣率，以防止采樣誤差增加。此外，應(yīng)合理地選擇設(shè)置中的距離。首先，操作距離(參與者與眼動(dòng)儀之間的距離)直接影響瞳孔檢測(cè)，從而影響精度和準(zhǔn)確性。其次，較大的視距(參與者與被觀察物體之間的距離)會(huì)縮小視網(wǎng)膜上的刺激圖像(即視角)，從而降低測(cè)量的精度并增加感興趣區(qū)域(ROI，也稱為“感興趣區(qū)域”，AOI)分析中錯(cuò)誤分類的風(fēng)險(xiǎn)。由于垂直精度通常比水平精度差，因此還應(yīng)考慮刺激的高寬比。

過(guò)程特定因素

在數(shù)據(jù)收集之前，應(yīng)考慮幾個(gè)因素。由于準(zhǔn)確性在接近校準(zhǔn)刺激時(shí)最佳，因此其數(shù)量和位置應(yīng)與實(shí)驗(yàn)刺激所包圍的區(qū)域相對(duì)應(yīng)。此外，參與者的運(yùn)動(dòng)也會(huì)影響數(shù)據(jù)質(zhì)量。雖然高度依賴眼動(dòng)追蹤模型，但頭部運(yùn)動(dòng)也會(huì)影響準(zhǔn)確性和精度，無(wú)論是通過(guò)遠(yuǎn)程眼動(dòng)追蹤中的追蹤丟失還是移動(dòng)眼動(dòng)追蹤中的滑動(dòng)。此外，校準(zhǔn)后視距的變化可能會(huì)導(dǎo)致視差誤差，從而影響注視信號(hào)的準(zhǔn)確性。

參與者特定因素

參與者的面部生理特征會(huì)影響眼動(dòng)追蹤數(shù)據(jù)的質(zhì)量。例如，向下的睫毛和較小的瞳孔會(huì)降低準(zhǔn)確性；瞇眼也會(huì)降低準(zhǔn)確性和精度，而睫毛膏的影響則存在爭(zhēng)議。對(duì)于紅外眼動(dòng)儀，藍(lán)色眼睛參與者的數(shù)據(jù)精度低于棕色眼睛的參與者。視力矯正輔助工具會(huì)影響眼動(dòng)追蹤數(shù)據(jù)的質(zhì)量：隱形眼鏡會(huì)降低準(zhǔn)確性，而眼鏡會(huì)降低精度。

數(shù)據(jù)分析

數(shù)據(jù)采集后，不同的分析程序會(huì)對(duì)精度和準(zhǔn)確性產(chǎn)生影響。例如，有兩類事件檢測(cè)算法可以將相對(duì)穩(wěn)定的注視周期(即注視點(diǎn))與注視位置的突然變化(即掃視)分開(kāi)：基于速度的算法具有更高的精度和準(zhǔn)確性，但需要更高的采樣率(＞100Hz)。對(duì)于較低的采樣率，建議使用基于色散的方法。當(dāng)依賴制造商的軟件包時(shí)，通常無(wú)法訪問(wèn)執(zhí)行的算法及其閾值。因此，很少對(duì)不同程序進(jìn)行系統(tǒng)性比較。

在事件檢測(cè)后，可以執(zhí)行其他預(yù)處理步驟，以確保整個(gè)記錄的高精度。這包括在線或離線的漂移校正程序，允許在頭部位置或眼睛大小發(fā)生變化時(shí)(例如由于參與者疲勞)調(diào)整校準(zhǔn)圖。此外，在此步驟中，可以根據(jù)有效眼動(dòng)追蹤數(shù)據(jù)的比例排除試次或參與者。

最后，可以從分段的注視位置數(shù)據(jù)中提取不同的指標(biāo)，這些數(shù)據(jù)通常依賴于將注視轉(zhuǎn)移或位置與感興趣區(qū)域(ROI)相關(guān)聯(lián)。文獻(xiàn)中使用了大量的指標(biāo)，但通常會(huì)根據(jù)運(yùn)動(dòng)(例如，掃視的方向或幅度)、時(shí)空分布(例如，ROI上的總停留時(shí)間)、數(shù)量(例如，ROI上的初始或重復(fù)注視次數(shù))和潛伏期(例如，對(duì)ROI首次注視的潛伏期)來(lái)描述注視數(shù)據(jù)。一般來(lái)說(shuō)，與孤立特征(例如，首次注視的潛伏期)相比，高度聚合的指標(biāo)(例如，長(zhǎng)時(shí)間探索期間的停留時(shí)間)可能會(huì)提高精度。有些指標(biāo)來(lái)自于事件檢測(cè)之前的原始數(shù)據(jù)(例如，微掃視或移動(dòng)刺激的平滑追蹤)，但不常使用。

報(bào)告標(biāo)準(zhǔn)

目前存在各種不同的報(bào)告標(biāo)準(zhǔn)。Holmqvist等人(2023)提供了報(bào)告指南和一份列出了影響眼動(dòng)追蹤數(shù)據(jù)質(zhì)量因素的詳盡表格。

內(nèi)分泌學(xué)

激素是在內(nèi)分泌腺中產(chǎn)生的化學(xué)信使。它們通過(guò)與特定受體結(jié)合來(lái)發(fā)揮作用，從而影響各種心理過(guò)程，反過(guò)來(lái)也可能會(huì)影響激素濃度。激素是通過(guò)體液和組織測(cè)量的，包括血液、唾液、頭發(fā)、指甲、腦脊液等。然而，這些測(cè)量領(lǐng)域中的指標(biāo)可能反映了不同的結(jié)果：一些指標(biāo)表示當(dāng)前生物活性激素的可用性，稱為急性狀態(tài)(例如，唾液皮質(zhì)醇)，而其他指標(biāo)表示隨時(shí)間累積的測(cè)量結(jié)果，稱為慢性狀態(tài)(例如，頭發(fā)皮質(zhì)醇)。關(guān)鍵是，不同領(lǐng)域的樣本通常需要不同的采樣設(shè)備、處理和儲(chǔ)存條件。因此，遵循關(guān)于激素和測(cè)量特定因素的建議對(duì)于保持激素穩(wěn)定性和提高測(cè)量精度至關(guān)重要。

激素濃度是通過(guò)生化分析來(lái)確定的，該分析依賴于微量滴定板、特定試劑和儀器。除了測(cè)量特定的敏感性和特異性外，任何給定分析的測(cè)定間和測(cè)定內(nèi)差異都與測(cè)量精度直接相關(guān)。測(cè)定內(nèi)變異性是指在同一微量滴定板上相同樣本(重復(fù)測(cè)量)之間激素濃度的變異性，而測(cè)定間變異性是指在不同微量滴定板上相同樣本之間的變異性。許多因素可以導(dǎo)致高變異性，例如預(yù)處理步驟的變化。因此，一個(gè)研究的樣本應(yīng)該在同一個(gè)實(shí)驗(yàn)室中進(jìn)行分析，采用相同的實(shí)驗(yàn)方案和來(lái)自同一制造商和批次的生化試劑，從而最大限度地減少與分析成分(所謂的“批次效應(yīng)”)相關(guān)的變異性。

設(shè)計(jì)

精確測(cè)量激素對(duì)心理過(guò)程的影響以及心理過(guò)程對(duì)激素的影響，需要精確的采樣時(shí)間。通常，激素樣本的采集需要根據(jù)感興趣的干預(yù)或事件進(jìn)行安排，并考慮滯后和動(dòng)態(tài)激素響應(yīng)。一些激素在心理生理過(guò)程上顯示出早期或急性影響，與之后或延遲的影響完全不同。

當(dāng)激素動(dòng)力學(xué)被視為是混淆因素時(shí)，收集多個(gè)時(shí)間點(diǎn)的激素樣本可以提高測(cè)量精度(圖6B)。然而，某些激素濃度在一定時(shí)間內(nèi)并不一定會(huì)發(fā)生變化，從而限制了在這些情況下其他激素樣本的效用。

除了滯后反應(yīng)外，生物節(jié)律還會(huì)導(dǎo)致激素濃度的大幅變化，這可能會(huì)影響測(cè)量精度(圖6A)。雖然一些生物節(jié)律可以在幾分鐘或幾小時(shí)內(nèi)解釋循環(huán)激素的變化(例如，晝夜節(jié)律，圖6A)，但激素濃度也會(huì)在數(shù)月、季節(jié)或數(shù)年內(nèi)發(fā)生變化(例如，青春期或更年期)。除了可能破壞生物節(jié)律的外部因素之外，激素調(diào)節(jié)也存在著內(nèi)源性變化，例如與發(fā)育階段(如青春期和更年期)相關(guān)的年齡依賴性變化。這種變異性可能會(huì)混淆激素濃度中潛在個(gè)體差異的測(cè)量方法。這可以通過(guò)限制目標(biāo)人群或通過(guò)明確比較和統(tǒng)計(jì)個(gè)體發(fā)育階段來(lái)控制。最后，還需要注意季節(jié)性波動(dòng)等混淆因素，因?yàn)檫@些因素會(huì)影響縱向研究設(shè)計(jì)中的測(cè)量精度。

生物節(jié)律也存在于包括神經(jīng)影像數(shù)據(jù)和受體活性在內(nèi)的各種模態(tài)中，激素往往是一個(gè)驅(qū)動(dòng)力。在統(tǒng)計(jì)分析中包含激素濃度可以部分控制這種變異性。除了與生物節(jié)律相關(guān)的混淆因素外，許多生活方式和環(huán)境因素也會(huì)影響激素濃度的變異性，并可能限制測(cè)量的精度。雖然目前無(wú)法列出一份完整的潛在混淆因素清單，但最重要的因素是那些可能對(duì)激素調(diào)節(jié)產(chǎn)生影響的因素，如身心健康狀況、藥物、毒品、尼古丁和酒精使用等。

數(shù)據(jù)分析

激素?cái)?shù)據(jù)很少滿足參數(shù)統(tǒng)計(jì)方法的假設(shè)，例如方差齊性和正態(tài)分布。與其訴諸功能較弱的非參數(shù)過(guò)程，不如使用數(shù)據(jù)轉(zhuǎn)換來(lái)抵消假設(shè)違反的情況。然而，必須謹(jǐn)慎使用這些數(shù)據(jù)轉(zhuǎn)換方法。此外，激素?cái)?shù)據(jù)通常以時(shí)間序列的形式存在；直接分析重復(fù)測(cè)量數(shù)據(jù)而不是比較聚合得分通常會(huì)帶來(lái)更高的分析靈敏度。時(shí)間序列數(shù)據(jù)還允許對(duì)延遲效應(yīng)進(jìn)行統(tǒng)計(jì)建模，這也可以提高分析靈敏度。這些效應(yīng)通常以交互作用而不是主效應(yīng)的形式呈現(xiàn)。這些效應(yīng)必須根據(jù)潛在的混淆因素進(jìn)行調(diào)整，要么將它們作為模型中的因子，要么作為協(xié)變量。從被試間設(shè)計(jì)轉(zhuǎn)變?yōu)楸辉噧?nèi)設(shè)計(jì)也可以提高模型的分析靈敏度，這通常需要較大樣本量才能充分檢測(cè)感興趣的效應(yīng)。

報(bào)告標(biāo)準(zhǔn)

盡管最近呼吁提高激素研究的嚴(yán)謹(jǐn)性和精確性，但目前缺乏描述激素研究結(jié)果應(yīng)該如何呈現(xiàn)的準(zhǔn)則。然而，強(qiáng)烈建議仔細(xì)記錄研究設(shè)計(jì)、參與者樣本(所有納入和排除標(biāo)準(zhǔn))、激素樣本和設(shè)備類型、采樣時(shí)間、預(yù)處理步驟的存儲(chǔ)過(guò)程，以及分析中獲得的相應(yīng)測(cè)定間和測(cè)定內(nèi)變異的測(cè)定類型。

結(jié)論

一般來(lái)說(shuō)，提高精度的方法是研究人員工具箱中一個(gè)有價(jià)值的補(bǔ)充。然而，要利用這些方法，研究人員需要對(duì)影響精度的因素有充分的了解。在本文中，研究者提供了該主題的最新概述，并引導(dǎo)讀者尋找有價(jià)值的資源。然而，目前仍然存在許多懸而未決的問(wèn)題。為了更好地將不同測(cè)量方法關(guān)聯(lián)起來(lái)，關(guān)鍵是能夠基于實(shí)證證據(jù)評(píng)估它們各自的精度，而不是將神經(jīng)科學(xué)研究建立在關(guān)于足夠精度的隱含且模糊的假設(shè)之上。因此，研究人員應(yīng)報(bào)告實(shí)證估計(jì)的精度。除了標(biāo)準(zhǔn)化效應(yīng)量之外，報(bào)告不同的方差成分也很重要。此外，校準(zhǔn)實(shí)驗(yàn)有助于優(yōu)化測(cè)量策略和量化測(cè)量不確定性，這是一種很有前景的方法。這種標(biāo)準(zhǔn)化校準(zhǔn)實(shí)驗(yàn)或特定領(lǐng)域的數(shù)據(jù)集也可以用于建立一個(gè)大型數(shù)據(jù)庫(kù)，并通過(guò)大規(guī)模的巨型分析或元分析(mega或meta-analyses)，以及多元宇宙方法來(lái)系統(tǒng)地評(píng)估不同因素對(duì)測(cè)量精度的貢獻(xiàn)。雖然這種方法可能看起來(lái)很乏味，但是它能夠使人類神經(jīng)科學(xué)研究變得更加穩(wěn)健和資源高效。

參考文獻(xiàn)：Stephan Nebe, Mario Reutter, Daniel H Baker.?et al. (2023) Enhancing precision in human neuroscience eLife 12:e85980.

DOI: https://doi.org/10.7554/eLife.85980

小伙伴們關(guān)注茗創(chuàng)科技，將第一時(shí)間收到精彩內(nèi)容推送哦～