拡散テンソルイメージングにおけるバイアスのパワーとp値計算の修正

拡散テンソルイメージング（DTI）は、組織微小職業に敏感な定量的パラメトリックマップを提供します（たとえば、分数異方性、FA）。これらのマップは、計算プロセスを通じて推定され、分散やバイアスを含むランダムな歪みを受けます。研究計画（​​パワー分析とp値/アルファ速度のしきい値を含む）に一般的に使用される従来の統計手順は、特に変動性をモデル化しますが、バイアスの潜在的な影響を無視します。ここでは、両面仮説検定フレームワークを使用して、仮説検定特性（電力およびアルファレート）に対するDTIのバイアスの影響を定量的に調査します。仮説検査特性に関するバイアスの理論的評価を提示し、シミュレートされたデータを使用したDTI仮説検定のバイアス推定技術のSimexを評価し、21人の被験者の経験的研究における空間的に変化するパワーレートに対するバイアスの影響を評価します。バイアスは、グループ間のバイアスの予想される差がゼロである経験的設定であっても、アルファレートを炎症させ、パワーカーブを歪め、重大な電力損失を引き起こすことが示されています。これらの副作用は、電力とp値の計算におけるバイアスを適切に説明することにより減衰する可能性があります。

Diffusion tensor imaging (DTI) provides quantitative parametric maps sensitive to tissue microarchitecture (e.g., fractional anisotropy, FA). These maps are estimated through computational processes and subject to random distortions including variance and bias. Traditional statistical procedures commonly used for study planning (including power analyses and p-value/alpha-rate thresholds) specifically model variability, but neglect potential impacts of bias. Herein, we quantitatively investigate the impacts of bias in DTI on hypothesis test properties (power and alpha-rate) using a two-sided hypothesis testing framework. We present theoretical evaluation of bias on hypothesis test properties, evaluate the bias estimation technique SIMEX for DTI hypothesis testing using simulated data, and evaluate the impacts of bias on spatially varying power and alpha rates in an empirical study of 21 subjects. Bias is shown to inflame alpha rates, distort the power curve, and cause significant power loss even in empirical settings where the expected difference in bias between groups is zero. These adverse effects can be attenuated by properly accounting for bias in the calculation of power and p-values.