数据获取与预处理
获取研究所需的静息态fMRI数据并进行预处理。
从BeMIND队列中招募529名参与者进行MRI扫描,其中525人完成结构和静息态扫描,经过质量保证后512人纳入分析。预处理细节在补充材料中描述。
Changes in resting-state functional connectivity linked to affective symptoms: insights from a population-based study of adolescents and young adults
研究使用fMRI数据,进行静态和动态功能连接分析,包含群体独立成分分析、滑动窗口、聚类等方法,但无实验干预,主要基于观察性分析。
青少年和年轻成人社区样本(512人)
样本量:512名参与者,其中511名有症状数据 年龄范围:14-23岁,平均年龄18.0±0.1岁 症状评估:使用两个问题分别评估抑郁和躁狂症状,评分0-100 动态连接窗口:30个TR(60秒),高斯核(alpha=3 TR) 统计校正:FDR校正(p<0.05)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取研究所需的静息态fMRI数据并进行预处理。
从BeMIND队列中招募529名参与者进行MRI扫描,其中525人完成结构和静息态扫描,经过质量保证后512人纳入分析。预处理细节在补充材料中描述。
提取静息态功能连接指标。
使用GIFT工具包中的Group ICA方法,提取了53个内在连接网络(ICN),并将其归类到七个神经认知网络。
检验静态功能连接与情感症状严重度的关联。
进行多元协方差分析,包含性别、年龄、抑郁和躁狂症状严重度及其交互作用作为协变量,并使用FDR校正。
检验动态功能连接状态与情感症状严重度的关联。
使用滑动窗口方法计算动态功能连接,通过k-means聚类确定四个状态,并检验各状态下症状与连接的关系。
分析动态指标的变异性及其与情感症状的关联。
计算每个状态的平均停留时间和时间占比,并检验其与情感症状及人口学变量的关联。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据预处理与ICA分析 | GIFT | -- | -- |
| GroupICATv3.0c | -- | -- | |
| 症状评估 | stem筛查问卷 | -- | -- |
| DSM-5自评一级交叉症状量表-成人版 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者招募 | 样本来源:BeMIND队列,从德国德累斯顿人口登记处随机抽取,年龄14-23岁,按年龄和性别分层 阅读提示:方法部分‘Participants’ |
| 症状评估 | 症状评估工具:使用两个问题分别评估抑郁和躁狂症状,评分范围0-100 阅读提示:方法部分‘Affective symptom severity measurement’ |
| MRI数据采集 | 扫描参数:文中未明确说明,需查阅补充材料 阅读提示:补充材料(Supplement) |
| 功能连接分析 | ICA参数:使用GIFT,降维至100个主成分,运行20次,窗口大小30TRs等 阅读提示:方法部分‘Group independent component analysis (GICA)’和‘Dynamic functional network connectivity (dFNC) analysis’ |
| 统计分析 | 协变量:性别、年龄、症状严重度及其交互作用;统计阈值:α=0.01,FDR p<0.05 阅读提示:方法部分‘Static functional network connectivity (sFNC) analysis’和‘Dynamic functional network connectivity (dFNC) analysis’ |