教程人口神经影像:使用流行病学神经成像研究

介绍

研究者想研究神经病学方面的疾病或疾病使用神经影像学方法有一个升值的关键特征条件,具体来说,原因,病理生理学、临床表现和预后。虽然这个基础知识成功的神经影像侦探是一个重要的资产,它是不够的设计是有效的,可靠的研究。五个Ws(谁,什么,何时,为什么)教授在新闻故事的必要的信息是完整的。流行病学框架将挑战神经成像研究人员问类似的问题更全面研究图片:参与者(世卫组织),健康暴露或结果(什么)、时间(时),12 pt(的地方),和风险因素(为什么)。神经影像学研究人员必须批判性思考的人在他们的研究:扫描仪之前他们去哪儿了?他们遇到哪些风险,以及多久?这些特定的个人与目标人群不同,和将如何影响推理和结论的有效性?即使有最好的神经影像学方法和全面了解疾病的病理生理学,该研究的结果可能不可靠的数据,如果源采样策略导致的样本不能代表。例如,相对于一个社区医院,专门的诊所可能吸引主要高收入高社会经济地位的参与者。抽样不仅是重要的地理条件,但也是暂时的,在实例疾病趋势变化随着时间的推移,由于环境的变化,饮食供应等流行病学的学科来解决这些挑战。 The thoughtful neuroimaging investigator, armed with an understanding of the principles of epidemiology, can combine cutting-edge neuroimaging methodologies with state-of-the-art study design and is in a particularly advantageous position to advance scientific knowledge through neuroimaging research on vital clinical questions.

流行病学是什么?

经典、流行病学被定义为“(1)的分布和决定因素的研究人群健康状态和事件;和(2)本研究的应用程序健康问题的预防和控制”(Ganguli雅各,2016年)。流行病学领域经常被描述为一个“桥”之间的基本生物科学预防和人口政策。正如我们知道的,起源于一个里程碑的流行病学研究领域爆发霍乱的医生约翰·斯诺在1850年代在英国。通过发现霍乱被遍布伦敦通过食用受污染的水从布罗德大街(现在臭名昭著的)泵、雪改变了霍乱发病机理是如何理解的。因为雪的突破,流行病学和公共卫生研究导致革新措施,提高人群的健康,从根除天花的疫苗接种将艾滋病从一个终端通过抗逆转录病毒治疗疾病可控的慢性疾病。

过去的传染性疾病的调查,运用同样的原则,慢性病流行病学已经扩大到理解人口水平。技术的进步导致了专业领域的发展,如遗传流行病学和地理流行病学。然而,转化过程的实验室发现,把他们变成可量化的有益健康的人群是复杂的。神经科学基础和临床研究取得了关键性的进展在我们理解人类大脑的结构和功能,它已成为明显的,研究人员必须超越小方便病人和向更大的代表性样本的样本探讨疾病的发病机理和条件的中枢神经系统。这是潜在的动机领域的“人口神经科学,”旨在合并流行病学家的知识基础和技能与神经科学家(加索尔,2010;福尔克et al ., 2013)。

人口神经科学

人口神经科学试图利用跨学科的专业知识和流行病学和神经科学的局限性。将神经科学措施纳入良好的流行病学队列允许检查机制背后曝光和结果之间的关系。神经科学中的应用流行病学方法变量将进一步允许考虑介质和版主沿着虚拟通路由于以人群为基础的抽样方法和改进的普遍性。六个具体目标推进这样一个综合和协作框架之间的神经科学和流行病学概述了福尔克et al . (2013)(表1)分析和描述团队科学可以开始联系的神经元水平的人口水平。

流行病学作为指导的研究框架

研究设计

一个清晰和简洁的问题应该研究计划的开始,进而确定一个适当的研究设计。调查员可能采用的使用“病人/人口,干预,比较,结果,时间、设置(用小环装饰)“助记符开始作为一个框架来定义必要的组件的临床或医药相关问题:用小环饰边。制定一个良好定义的研究问题之后,一名调查员能够选择一个适当的研究设计,并进一步,可以从适当的推论结果,基于设计。因此,任何参与者甚至招募了一批研究之前和/或收集的数据,一个深思熟虑的调查员能够描绘他们选择的研究设计的优点和缺点。

流行病学家使用各种不同的研究设计评估协会在社会、环境、或生物因素和健康结果。一般来说,这些研究设计可分为两个方面:观察或实验(表2)。顾名思义,在观察性研究中,参与者观察无需人员干预,在变量需要测试和数据收集的研究问题。相比之下,研究干涉实验研究,试图影响健康结果。这里,我们简要地讨论一下最常见的研究设计,相应的措施效果,每个设计的结论。

观察性研究

描述性的研究

描述性研究描述的结果与由人,其大小和分布位置,和时间,但并不正式估计任何接触/结果关联。例如,制表的死亡率在一个国家几十年来由于中风是用来描述死亡率的趋势。更正式的分析研究是必要的正确评价与趋势和可能相关的因素确定其原因。纯粹的描述性的研究很少;一个描述性的分析往往是一项流行病学研究的初步阶段,最终测试关联。

横断面研究

在横断面研究中,预测和测量的结果在一个样本的人口在一个时间点,类似于一个“快照。横断面研究是经常使用,因为他们的时间,金钱,和资源效率,通常低负担的参与者(研究人员)。低负担尤为重要参与者先进的年龄,可能不是很健康,可能无法或不愿让它重复研究访问。时间效率是重要的老化研究老年病,表现出陡峭的利率下降的健康。横断面研究有利于进一步老化的领域的研究人员,因为我们可以包括许多个人寿命相同的研究。然而,由于曝光和测量结果的同时,我们不能在横断面研究,建立暂时性或断言暴露是有因果联系的结果。此外,任何平均从横截面数据可能歪曲的真实数据,作为一个假设在横断面设计更改从一个年龄段到另一个镜子更改从一个人到另一个(我们知道衰老过程是高度异构);横向和纵向数据可能不一致。然而,考虑到所有的这些局限性,一致的接触/结果关联,通常第一个证据的横断面研究中观察到的“信号”的“真”的关系在更先进的研究设计工作。

病例对照研究

在病例对照研究中,一群人与识别疾病(例)相比,一群人没有疾病(控制)。案例通常招募基于推荐在临床或媒体广告,从广义人口(例如,给定城市的居民)。使用了相同的广义人口标准选择控件,所以控制可以尽可能相似的情况下,除了疾病。适当控制选择是病例对照研究的一个重要方面;如果系统之间的差异情况和控制存在于其他比疾病本身的特点,在“真正的”会掩盖暴露与疾病之间的联系。协会可能完全错过了或者没有协会,一个假的协会可以观察到。同样,重要的是要从这两种情况下收集数据和控制以类似的方式。例如,它是不合适的,如果曝光数据间接从家庭成员获得的病例,但直接从这个案子。对于这两种情况下和控制、曝光数据通常是捕获通过自我报告,临床检查或实验室测试。优势比是影响测量时使用估计之间的关系曝光和病例对照研究的结果; the odds ratio is a reasonable approximation of the relative risk for rare diseases. Case–control study designs are ideal for an investigator to use when studying a rare disease that might have too low a prevalence to be cost-effectively detected by traditional random sampling methods.

队列研究

群组研究前瞻性地遵循一个代表性的个人随着时间的推移(纵向)。通常情况下,一群没有疾病或在一段时间内检测结果感兴趣的跟踪事件的病例出现。研究入口和后续评估,测量接触状态,整个群体评估疾病的发展。检测到新病例,可以计算发病率,相对风险是用来测量第一次接触,后来疾病之间的关联。

尽管队列研究的理想研究设计调查预测疾病和健康状况,他们是繁重的金钱和时间。是挑战和劳动密集型的招募和保留一个随机样本的参与者在许多年的随访。参与者退出影响队列研究的内部效度,为摩擦可能引入了偏差。个人不退出或不失去后续高负担纵向研究可能显著不同于其他参与者退出和更大的目标人群。

实验研究

实验研究涉及测试样本的干预的影响。疾病或健康结果之间的比较,得到研究和那些没有下的干预。伦理性考量必须研究的最前沿的思想在设计和实施实验研究。相关的随机对照试验是最常见的实验研究设计。

随机对照试验

随机对照试验随机分配参与者接受干预与否。在研究理论上,随机化有助于确保条目干预和对照组比较,举例来说,是没有偏见的选择干预。

流行病学推理

样本大小

是否积极设计的一项新研究或阅读研究手稿,当务之急是很容易理解的方式结果基于样本容量的影响。与越来越多的参与者在一项研究中,有一个增加的可能性示例源代表的人口。相比之下,规模较小的样本更容易受到变化的影响在抽样过程中,随着人类人口主要是异构的。鉴于招聘大量的难度和费用和随机样本,样本大小计算研究设计中需要考虑的一个关键因素。这样的计算将产生所需要的最小数量的参与者测试特定的假设或研究问题。在计算样本大小,以下值。

假定值

的p值的概率是一个观察协会是由于机会,假设零假设是真的,没有其他偏见(信息、选择或混淆)存在于研究。随机误差总是可能的,即使个人识别通过随机抽样的方法,最终仍然可以不同的研究样本或显示关联不亲本种群中发现。一般来说,0.05的alpha是用于研究限制这个错误的概率。这样一个阈值最小化的机会拒绝“真正”的零假设,例如,错误地解释一个机会找到真品(也称为α1型或错误)。的p研究样本的特征值是敏感和可能低的原因有很多。的p价值变化与混杂、选择或偏见的信息,定义了一个“重大”的线阈值的分布变化的偏见。的p价值观也受到样本容量的影响,随着样本量的增加,p价值减少。最后,一个非常低的p值可能是零假设的证据不是真实的,而且是一个“真正的”协会的数据;你的数据不太可能有一个真正的零假设,这些数字仅靠机会会很少出现。历史在依赖和误解p值一直是最近科学界的热门话题,与一些科学家甚至呼吁完全放弃统计学意义(阿大常务副校长阿姆雷恩et al ., 2019)。

正态分布和置信区间

在这里,我们假设读者熟悉的概念正态分布,集中趋势和离散。一个潜在的假设许多正式的统计测试常用的估计差异组是感兴趣的变量正态分布在感兴趣的目标人群。然而,即使事实并非如此,许多统计测试将会足够强大,足够大的样本容量。一般来说,样本容量为30或更高版本,每组相比不少于五个人被认为是适当的(Pett 1997;Salkind 2004)。

95%置信区间的推论p上述值阈值为0.05。没有偏见(信息、选择或混淆),如果我们要重复实验100倍,95%置信区间估计包括真实价值从100年的95倍。然而,我们知道这个区间是否包含“真正”的估计。是否有一个置信区间“信号”,我们可以从一个精确点,解释和距离的估计范围。然而,这假设没有偏差估计可以非常精确和/或类似,但仍有偏见。越是狭窄的置信区间,精确对应的估计。在一般情况下,样本容量越大,置信区间越窄。

权力

权力的正确检测概率的区别组织样本,说亲本种群中存在差异。传统,权力设置的80 - 95%,以减少β或2型错误的可能性,例如,接受错误的零假设的概率或失踪一个真正的区别。研究之间的关系的能力,1型和2型错误,所有的上下文中结论与“真实”,是所示表3。

影响的大小

的估计效果截图学习小组之间的差异的大小。影响样本量的大小是一个必要的组成部分的计算;需要更多的权力(大样本大小)来检测更小的效果差异。估计在这样计算,预期效果大小通常是基于之前的研究结果和/或临床相关性。

流行病学占人口的深刻的异质性

抽样

一旦定义了一个深思熟虑的研究问题,一个适当的研究设计,并考虑如何权力和样本大小将影响任何结论,神经影像研究,批评他们的研究通过镜头的一名流行病学家,可能会把注意力转向全面的讨论参与者进入他们的研究中,再一次,这些特定参与者如何影响适当的推论。

随机抽样

使用随机抽样技术确保每一个感兴趣的目标人群有一个平等的机会选择。研究人员必须仔细考虑的影响得出了一定数量的样本。举例来说,是非常合理的估计中风临床样本或痴呆的患病率在养老院示例中,考虑到研究人员考虑到估计在此类环境中可能会更高,相对于公众。此外,由于个体诊所和养老院本身并不是随机从所有中风或痴呆患者在社区里,有固有的偏见和选择间接限制适当的推论,可以推广到感兴趣的目标人群。观察或实验研究,采用方便病人的样本或志愿者与严格的合格标准和繁重的学习过程也同样容易受到这样的选择因素和研究结果的普遍性。

有效性

“普遍性”一词是经常使用的一个默认的批评或限制,因为没有完全代表(即学习。,适用于所有人群。内部效度可以妥协,如果变量进行调查和选择与自己相关的因素。有时这些联系是不可避免的,比如一个老年人的年龄效应与年龄相关的疾病或健康结果不太可能参与研究相比,年轻人用同样的疾病或结果。其他时候,研究者将通过研究设计或资格选择因素,例如,如果标准参与一个阿尔茨海默病(AD)研究排除患有中风,中风和广告之间的联系将无法被研究。

外在效度的研究,需要适当的人口抽样样本是代表更大的目标人群,它据称是来自。复制的结果是一个科学的基石的过程;然而,预计不是每个复制研究将产生相似的结果。例如,我们不会期望结果的研究创伤性脑损伤(TBI)结果老师将在退伍军人可概括的类似研究,鉴于固有风险敞口和创伤性脑损伤率两组的差异。然而,考虑到适当的抽样,是合理的期望结果的样本教师将真正的教师更大的人口研究样本来自和最终所有教师的目标人群。此外,如果类似的接触/结果关联被发现在两个种群(教师和退伍军人),有更大的可能性研究结果反映了真正的关系(Ganguli Kukull和,2012年)。

代表性样本

再次重申,画一个代表性样本的最终目的是研究人员可以合理推断的结果研究样本也“真正的”从它吸引更多的人口。理想情况下,平均价值的特征(例如,脑容量)测量在研究样本的平均值也会发现在更大的人口特征。此外,这适用于预测和风险敞口。例如,个人样本人群的比例与一个特定的属性(如高血压)应该类似于底层在更大的人口比例。

研究效度威胁

偏见

偏见是系统误差的结果在设计,开展的一项研究发现,在观察和“真正”的结果是不同的。通常,容易受到偏见的选择的方法研究参与者招募(选择)和/或暴露的测量结果。我们描述两个大类的偏见:选择和偏见的信息。

选择性偏差

选择性偏差发生如果人群中个体之间存在的系统性差异选择参与一项研究表明,相比那些不选择的人群中。例如,广告有更大比例的个人携带的载脂蛋白e^*4基因型如果这项研究从研究诊所,招聘与监视同一区域内人口估计(Tsuang et al ., 1996)。随后,发现人口估计相比,从诊所广告招募的人更有可能表现出与等位基因相关联的特征:他们倾向于更年轻,与早期阿尔茨海默氏症发作,在更先进的疾病状态。因此,这个潜在的选择性偏差个人从诊所招募样品中发现了偏差估计的相对风险和被高估了,而人口的风险更大。

患病率或长度偏差是一种选择性偏差,是因为普遍情况下的疾病或健康结果中发现个人在一定时间点上幸存下来。类似于前面讨论的选择性偏差,流行偏见下或估计预测因子和结果之间的联系。许多病例对照研究从1990年代一直显示保护吸烟状态和广告的可能性之间的联系(Kukull 2001)。考虑到流行的偏见,后来发现,吸烟者广告早死与从不吸烟的人们相比,他们开发出广告,由于其他不良健康结果与吸烟有关。明显的保护协会是诱导,因为一个膨胀的比例控制和降低抽的病例比例抽烟。这种现象也被称为“竞争风险”,预测感兴趣的(在这里,吸烟)与多个相关的结果(在这里,广告和死亡),和一个结果的发生(死亡)阻止研究者观察其他结果(广告)。

磨损的偏见是另一个需要考虑的重要的选择性偏差,特别是在纵向研究设计。研究参与者,失访随着时间的推移可能会不同的参与者在研究相比,直到完成。例如,参与者中失访研究由于死亡很可能更加垂危,相比个人存活足够长的时间来完成这项研究。忽略这种选择的影响,假设个人失去跟踪随机将偏差的估计结果和影响。实际上,在大多数研究摩擦是不可避免的,有方法可用于捕获和处理摩擦偏见的影响研究的结果。逆概率权重是最常见的方法来解决这一问题的摩擦群组研究。逆摩擦的概率加权利用logistic回归模型方法研究参与者辍学的可能性,所以研究人员可以决定辍学的程度可能会影响观察结果。

信息偏倚

时就会导致信息偏差不准确曝光和量化和/或分类的结果。病例对照研究是容易受到偏见的信息类型称为回忆偏倚,情况更有可能报告相比之前的曝光控制。一些以前的广告,头部创伤的病例对照研究显示一个协会(莫蒂默et al ., 1991),不能被复制在前瞻性研究设计接触状态之前捕获痴呆发病(钱德拉et al ., 1989)。观察者偏见时测量疾病或健康结果的人的知识主体的接触状态,影响测量(不准确)。炫目的调查人员接触状态最小化观察者偏见的可能性。

混淆

混淆时一定曝光“a”与感兴趣的曝光“B”和疾病或健康结果感兴趣的“C”,其效应还没有被适当地分离出来。错误,研究人员可能会得出这样的结论:曝光和结果感兴趣的关联,而实际上是假的关系和诱导由于第三个变量。明显是广告和脑萎缩之间的联系可能是困惑的时代,作为老年人更可能有脑萎缩,也更可能有广告(因特网et al ., 2010),如在图1。

有几种方法来控制混杂在研究设计阶段,包括随机化、匹配和限制。正如前面所讨论的,实验研究经常采用随机分配的干预(例如,randomization) in an effort to balance potential confounding factors between intervention and control groups. In case–control studies, matching cases and controls on confounding factors (frequently age, sex, race, etc.) are commonly employed. Restriction utilizes exclusion criteria to eliminate potential confounders in the selection of participants. When analyzing data, confounders can be controlled by including them as covariates in statistical models and/or running separate analyses for individuals with and without the potential confounder (stratification).

即使使用以上策略来减轻干扰的影响,很可能有一定程度的持续的混淆,因为它是不可行的每一个被识别和/或“measured-we称之为剩余无边无际的混淆。

效果修改

与混淆,影响的大小之间的接触和结果感兴趣的不同取决于第三个变量的水平,影响修改(交互)。如果存在影响修改和研究员(错误地)计算一个整体估计,估计又要被扭曲,当存在混淆。改性效果最好检查分层估计为每个级别的第三个变量。然而,重要的是研究者记住,选择分层结果间接损失的权力。

中介

第三个变量被认为是一个中介,它必须存在于暴露和结果之间的因果关系的途径。中介分析方法可用于解决两个直接和间接影响的第三个变量exposure-outcome协会。

策略以减少偏见

到目前为止,我们已经讨论了如何系统和随机误差都是固有的科学研究。方法的弱点和/或执行会影响有效性的研究被认为是系统误差。而不是随机误差,有工具来定量测量,避免系统误差。定量偏差分析(QBAs)被用来估计的方向,大小,和不确定性所导致的系统误差(睫毛et al ., 2014)。

流行病学是一个发现工具

在最基本的层面上,流行病学研究问题围绕测试指定的暴露与人群的结果感兴趣。问这样的问题与大精心设计的研究,可概括的样品和找到一致的结果导致的估计一个人的机会和风险利益的结果。采用人口研究,我们有更精确的估计(信心)推断个体层面。然后,基于一致的结果从流行病学研究中,研究人员可以利用这些信息对个人病态的风险评估治疗方案的疗效和预防策略。但是,没有有效的个人计算病态的风险(风险因素),我们将无法有效地判断治疗和预防干预水平。再一次,如果我们看到一致的结果在精心设计的流行病学研究(从描述性的横断面工作,进入队列和病例对照,也是最后一个随机对照试验)的“黄金标准”,我们有信心向必要的社区干预措施和政策来治疗和预防这样的结果。

因果推论

建立因果关系

建立的过程是否观察到接触/结果协会反映了潜在的因果关系称为“真正的因果推理。“这是尝试建立因果关系复杂;从理论上来说,我们只能真正确定因果关系如果我们检查相同的组参与者有或没有接触(同时),观察任何疾病或健康的结果。这种不切实际的框架在现实世界中是不可能的;然而,实验相关的都是我们的近似这样的场景。当然,不可能随机每一接触,例如,我们不能随机参与者抽烟或不抽烟,中风或经验或没有经验。除了先进的统计方法,流行病学家使用其他工具来帮助区分协会和因果关系,包括有向无环图(因果图)和。布拉德福德。希尔标准(表4)。尽管使用这些工具可以帮助研究人员对他们的信心源于协会因果关系,三角的完整的证据来自动物和人类研究建立因果关系通常是必要的。

完成临床情况

疾病是经典首次发现并描述了在临床的设置。然而,由于上述因素影响的类型选择个人,这样的设置,个人认为在临床的设置可能是典型的相比,那些有同样的疾病在更大的人口。在1900年代早期,Alois Alzheimer详细的病理和症候学单一案例研究早老性痴呆的51岁的女人。必然地,这种疾病被认为是一种罕见的疾病在中年人群(Cipriani et al ., 2011)。不直到1960年代,阿尔茨海默病将建立老年人中比较常见的疾病,在以人群为基础的neuropathologic研究罗斯et al。(1966)。

描述新综合症

帕金森症和格林-巴利综合症最初认为在临床设置和讨论了案例研究或系列的科学文献。随后,病例定义和界定亚型的发展出来的流行病学研究。例如,一个大样本的流行病学研究的格林-巴利综合征在中国确定急性运动轴突神经病变作为一个重要的子类型(Mckhann称et al ., 1993)。一项大型的以人群为基础的研究建立了心理和行为障碍痴呆的共同特征,当他们以前忽视的临床研究(Lyketsos et al ., 2000)。必须采用临床流行病学的方法,所以这些不同亚型的疾病可以被识别,基于不同的临床表现,治疗反应和发病机理。流行病学方法也促进了现象的识别和优先级,这并不总是直接给临床医生,例如,亚临床心血管疾病(查维斯et al ., 2004)。代谢综合征流行病学帮助链接(他,1997)和脆弱综合征(油炸et al ., 2001两种症状),以前认为是不同的现象。

群体的影响

群体效应变化随着时间的推移,在一个(或更多)因素,在群体定义为共享事件如出生年、或特定日期曝光。任何给定的人口还有无数subcohorts不同曝光和结果率。因此,尽管更大的人口可能出现不均匀,小subcohorts可能显示更多的同质性掩盖了在更大的群体。例如,一个年龄和认知障碍之间的联系可能是反光效应并不是一个年龄效应。个人出生在早些时候军团长大在大萧条时代,许多孩子在青春期前的孩子停止学业,在煤矿工作。后续的不良认知生活可以导致他们缺乏中等教育从煤矿和/或环境因素,与后世,不是简单的“年龄的函数。“除了队列和年龄的影响,影响是由于事件发生在一个特定时间,例如,核辐射,或一个新的治疗类药物的发展。

当评估趋势随着时间的推移,其他考虑因素包括筛选和/或诊断标准的变化和人口的年龄变化。如果任何这些因素的存在,他们可以不当引起发病率和/或患病率的变化估计,这并不代表一个真正的趋势,例如,引入新的治疗疾病的治疗。

把它放在一起:相关性神经成像研究

最近的评论超过一千脑磁共振成像(MRI)论文超过20年(1990 - 2012)发现大多数的高度引用实验核磁共振研究平均样本大小的< 50参与者(Szucs埃尼迪斯,2020)。此外,相同的审查评估最近的实践(2017 - 2018),发现只有少数高度引用的神经影像学研究报告电力效应大小的计算和规范(Szucs埃尼迪斯,2020)。考虑到这种小样本大小和相应的低功率,很可能一些高度引用的神经成像研究具有很高的1型和2型错误的可能性。这些复合的问题包括研究设计、样本的数量使其有问题的适当画从数据推断,更不用说到目标人群。深思熟虑的使用流行病学方法和原则可以帮助神经科学领域克服这种常见的限制。

到目前为止,我们讨论了一些长度使用流行病学原理如何通知神经成像研究。关闭简要的讨论是很重要的一些常见的“误用”的流行病学。这些是常见的实践反映了误解我们描述的流行病学的原则。首先,使用“流行病学”来表示一个特定的研究设计一个全球框架的理解和检查健康状况在人口水平。其次,利用横截面数据定向的推论。第三,推广结果基于数据从一个更大的目标人群有偏见(非代表性)样本。第四,做出错误的假设一个观察暴露/结果的关系是因果(即。,一个观察协会是一个信号)。第五,不考虑时间和持续时间的暴露在描述的建议和未来的干预措施,基于观测数据。最后,未能考虑生物合理性和/或潜在机制当报告协会。

在这里,我们总结了流行病学整合进神经成像研究的主要优势,以及激励来自文学的例子。用一个流行病学框架,有意的抽样的知识和选择适当的研究设计、识别威胁研究的有效性,和策略如何减少偏见,深思熟虑的神经成像研究将能更好地把人口方法融入自己的工作。

作者的贡献

所有作者的贡献这个手稿的生产,批准了最终版本。

资金

SG是由美国国立卫生研究院奖(T32AG055381)和k Leroy Irvis研究生公共卫生学院的奖学金,匹兹堡大学。

的利益冲突

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用