Brain Size: To Adjust or Not Adjust? It’s Not a Matter of If, but How
Notice bibliographique
Résumé
Abstract Total intracranial volume (TIV) is a major confounding factor in neuroimaging studies, particularly when studying sex differences in the brain. Different methods have been proposed to adjust for this effect, however, their impact has not been directly studied and compared. In this study, we sought to evaluate the impact of four most commonly used adjustment methods in the literature on the estimations of neuroanatomical sex differences. These methods included: the proportions method, the residuals method, the power corrected proportions method, and adding TIV as a covariate in a regression analysis. Leveraging data from the UK Biobank, we employed a matching approach to devise a gold standard as reference for comparing these methods. To achieve this, we matched the male and female participants based on age and TIV to remove the impact of TIV differences between sexes. We further modeled aging trajectories at the regional level, vertexwise, and voxelwise, using raw and adjusted values, and compared the obtained estimates against the gold standard. We found that across different metrics, adding TIV as a covariate was the best-performing method for removing the effect of TIV, in terms of the correlation between the estimates of the different subsamples and the gold standard as well as the degree of estimation bias. Furthermore, we showed that the commonly used smoothing of the morphometric measures can result in biased estimation of sex differences in these measures. Finally, we showed that while small in effect size, there still remains some neuroanatomically specific uncorrected effects for all adjustment methods.
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 | 0,067 | 0,310 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».