Harmonisation of multi-site MRS data with ComBat
Notice bibliographique
Résumé
ABSTRACT Magnetic resonance spectroscopy (MRS) is a non-invasive neuroimaging technique used to measure brain chemistry in vivo and has been used to study the healthy brain as well as neuropathology in numerous neurological disorders. The number of multi-site studies using MRS are increasing; however, non-biological variability introduced during data collection across multiple sites, such as differences in scanner vendors and site-specific acquisition implementations for MRS, can obscure detection of biological effects of interest. ComBat is a data harmonisation technique that can remove non-biological sources of variance in multisite studies. It has been validated for use with structural and functional MRI metrics but not for MRS metabolites. This study investigated the validity of using ComBat to harmonize MRS metabolites for vendor and site differences. Analyses were performed using data acquired across 20 sites and included edited MRS for GABA+ (N=218) and macromolecule-suppressed GABA data (N=209), as well as standard PRESS data to quantify NAA, creatine, choline, and glutamate (N=195). ComBat harmonisation successfully mitigated vendor and site differences for all metabolites of interest. Moreover, significant associations were detected between sex and choline levels and between age and glutamate and GABA+ levels that were not detectable prior to harmonisation, confirming the importance of removing site and vendor effects in multi-site data. In conclusion, ComBat harmonisation can be successfully applied to MRS data in multi-site MRS studies. Highlights Multi-site MRS data contains sources of non-biological variance that can mask biological effects of interest. ComBat data harmonisation successfully removes variance contributed by scanner and site differences. Removal of this variance revealed biological effects that were previously not detected. ComBat harmonisation can be successfully applied to MRS data in multi-site MRS studies
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».