被験者と脳領域間の大胆な血行動態反応の変動、および統計分析への影響

血行動態応答関数（HRF）の推定値は、多くの場合、イベント関連のfMRI分析の不可欠な部分です。HRFは個人や脳領域によって異なりますが、一般的な線形モデル（GLM）を使用して統計分析の結果に変動がどのように影響するかを調査した研究はほとんどありません。この研究では、20人の被験者における一次運動および視覚皮質および正面および補足の眼場（SEF）からの経験的に推定されたHRFを推定しました。地域よりも被験者間でより多くのばらつきが観察され、いくつかの領域にわたってピークからピークまでの時間までの変動が相関しました。シミュレーションでは、観察された変動が統計的結果に及ぼす影響と、さまざまな実験設計と統計モデルがこれらの効果を制限する方法を調べました。2つのサンプリングレートを備えた広く間隔を空けて迅速なイベント関連の実験設計をテストしました。統計モデルは、経験的に導出されたHRFを標準的なHRFと比較し、GLMのHRFの最初の誘導体を含めました。推定されたHRFと真のHRFの間のわずかな違いは、偽陰性を引き起こしませんでしたが、2.5秒の発症誤解などの観察された変動範囲内で大きな違いは偽陰性につながりました。小さな誤差は活動の検出に最小限に及ぼすものですが、発症までの時間は1秒ほどの少量のモデルパラメーターの推定に影響を与え、したがって被験者間でランダム効果分析に影響を与えます。サンプリングレートの低下やGLMのHRFの時間的誘導体を含む実験および分析の設計方法は、結果を改善しましたが、HRFの誤った推定によって引き起こされるエラーを排除しませんでした。これらの結果は、被験者または脳領域全体でHRFの一貫性を想定することの可能な最良のHRF推定値と潜在的な負の結果を決定することの利点を強調しています。

Estimates of hemodynamic response functions (HRF) are often integral parts of event-related fMRI analyses. Although HRFs vary across individuals and brain regions, few studies have investigated how variations affect the results of statistical analyses using the general linear model (GLM). In this study, we empirically estimated HRFs from primary motor and visual cortices and frontal and supplementary eye fields (SEF) in 20 subjects. We observed more variability across subjects than regions and correlated variation of time-to-peak values across several pairs of regions. Simulations examined the effects of observed variability on statistical results and ways different experimental designs and statistical models can limit these effects. Widely spaced and rapid event-related experimental designs with two sampling rates were tested. Statistical models compared an empirically derived HRF to a canonical HRF and included the first derivative of the HRF in the GLM. Small differences between the estimated and true HRFs did not cause false negatives, but larger differences within an observed range of variation, such as a 2.5-s time-to-onset misestimate, led to false negatives. Although small errors minimally affected detection of activity, time-to-onset misestimates as small as 1 s influenced model parameter estimation and therefore random effects analyses across subjects. Experiment and analysis design methods such as decreasing the sampling rate or including the HRF's temporal derivative in the GLM improved results, but did not eliminate errors caused by HRF misestimates. These results highlight the benefits of determining the best possible HRF estimate and potential negative consequences of assuming HRF consistency across subjects or brain regions.