ROI and phobias: The effect of ROI approach on an ALE meta‐analysis of specific phobias
Notice bibliographique
Résumé
About 90% of fMRI findings on specific phobias (SP) include analysis of region of interest (ROI). This approach characterized by higher sensitivity may produce inflated results, particularly when findings are aggregated in meta-analytic maps. Here, we conducted a systematic review and activation likelihood estimation (ALE) meta-analysis on SP, testing the impact of the inclusion of ROI-based studies. ALE meta-analyses were carried out either including ROI-based results or focusing on whole-brain voxelwise studies exclusively. To assess the risk of bias in the neuroimaging field, we modified the Newcastle-Ottawa Scale (NOS) and measured the reliability of fMRI findings. Of the 31 selected investigations (564 patients and 485 controls) one-third did not motivate ROI selection: five studies did not report an explicit rationale, whereas four did not cite any specific reference in this regard. Analyses including ROI-based studies revealed differences between phobics and healthy subjects in several regions of the limbic circuit. However, when focusing on whole-brain analysis, only the anterior midcingulate cortex differentiated SP from controls. Notably, 13 studies were labeled with low risk of bias according to the adapted NOS. The inclusion of ROI-based results artificially inflates group differences in fMRI meta-analyses. Moreover, a priori, well-motivated selection of ROIs is desirable to improve quality and reproducibility in SP neuroimaging studies. Lastly, the use of modified NOS may represent a valuable way to assess and evaluate biases in fMRI studies: "low risk" of bias was reported for less than half of the included studies, indicating the need for better practices in fMRI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».