MétaCan
Menu
Retour à la cohorte
Enregistrement W4409235235 · doi:10.1162/imag_a_00547

Reliability of structural brain change in cognitively healthy adult samples

2025· article· en· W4409235235 sur OpenAlexfundno aff
Didac Vidal‐Piñeiro, Øystein Sørensen, Marie Strømstad, Inge K. Amlien, Micael Anderson, William F.C. Baaré, David Bartrés‐Faz, Andreas M. Brandmaier, Anne Cecilie Sjøli Bråthen, Pablo Garrido, Paolo Ghisletta, Håkon Grydeland, Richard N. Henson, Rogier Kievit, Max Kormacher, Simone Kühn, Ulman Lindenberger, Athanasia M. Mowinckel, Lars Nyberg, James M. Roe, Markus H. Sneve, Cristina Solé‐Padullés, Leiv-Otto Watne, Kristine B. Walhovd, Anders M. Fjell

Notice bibliographique

RevueImaging Neuroscience · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institute on Drug AbuseInstitute of Psychology, Chinese Academy of SciencesEuropean Research CouncilMedical Research CouncilCanadian Institutes of Health ResearchPfizer CanadaChinese Academy of SciencesNorthwest Regional Development AgencyMcGill UniversityHelse- og OmsorgsdepartementetNational Natural Science Foundation of ChinaNorges ForskningsrådWellcome TrustCancer Research UKAthinoula A. Martinos Center for Biomedical Imaging, Massachusetts General HospitalHangzhou Normal UniversityGovernment of CanadaBritish Heart FoundationPfizerChild Mind InstituteMassachusetts General HospitalUniversitetet i OsloHarvard UniversityNational Social Science Fund of ChinaCentre d'Imagerie BioMédicaleFondation Brain CanadaAlzheimer's Association
Mots-clésReliability (semiconductor)NeuroimagingBrain sizeLongitudinal studySample size determinationPsychologyCognitionStatisticsMedicineMathematicsNeuroscienceMagnetic resonance imagingPower (physics)

Résumé

récupéré en direct d'OpenAlex

In neuroimaging research, tracking individuals over time is key to understanding the interplay between brain changes and genetic, environmental, or cognitive factors across the lifespan. Yet, the extent to which we can estimate the individual trajectories of brain change over time with precision remains uncertain. In this study, we estimated the reliability of structural brain change in cognitively healthy adults from multiple samples and assessed the influence of follow-up time and number of observations. Estimates of cross-sectional measurement error and brain change variance were obtained using the longitudinal FreeSurfer processing stream. Our findings showed, on average, modest longitudinal reliability with 2 years of follow-up. Increasing the follow-up time was associated with a substantial increase in longitudinal reliability, while the impact of increasing the number of observations was comparatively minor. On average, 2-year follow-up studies require ≈2.7 and ≈4.0 times more individuals than designs with follow-ups of 4 and 6 years to achieve comparable statistical power. Subcortical volume exhibited higher longitudinal reliability than cortical area, thickness, and volume. The reliability estimates were comparable with those estimated from empirical data. The reliability estimates were affected by both the cohort's age where younger adults had lower reliability of change and the preprocessing pipeline where the FreeSurfer's longitudinal stream was notably superior than the cross-sectional stream. Suboptimal reliability inflated sample size requirements and compromised the ability to distinguish individual trajectories of brain aging. This study underscores the importance of long-term follow-ups and the need to consider reliability in longitudinal neuroimaging research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,095
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,148

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,095
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,318
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImaging NeuroscienceMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207