gms | German Medical Science

Mittels funktioneller Magnetresonanztomographie (fMRT) werden die Gehirnareale auf neuronaler Aktivität untersucht. In einer typischen fMRT-Sitzung wird das Gehirn eines Probanden in Abständen von wenigen Sekunden gescannt. Die empfangenen Daten bestehen aus n aufeinanderfolgenden Messungen über p Voxel und können dann im Rahmen der sogenannten first-level-Analyse voxelweise anhand eines univariaten allgemeinen linearen Modells untersucht werden. Aufgrund der gleichzeitigen Betrachtung mehrerer Voxel, deren Anzahl die Zahl der Messungen in der Regel stark überschreitet, müssen spezielle Adjustierungsmethoden angewendet werden, um das multiple Testniveau einhalten zu können. Außerdem sind die fMRT-Scans durch zeitliche Abhängigkeiten gekennzeichnet, die bei der Anwendung der multiplen Testprozeduren berücksichtigt werden müssen.

In unserer Arbeitsgruppe wurden schon parametrische multiple Testprozeduren mit datenabhängig geordneten oder gewichteten Hypothesen untersucht. Nun stellen wir einige nichtparametrische multiple Testverfahren vor, die auf Korrelationsmaßen zwischen dem Paradigma und den beobachteten Aktivierungsverläufen basieren, und verbinden sie mit speziellen Permutationstechniken zur Adjustierung der zeitlichen Abhängigkeit der Stichprobenelemente. Die hier betrachteten Prozeduren nutzen die Unabhängigkeit von Rang- und Ordnungsstatistiken unter der Nullhypothese, um die Variablen in eine geeignete Reihenfolge zu bringen oder zu gewichten [1]. Als Testgrundlage wird der Korrelationskoeffizient nach Spearman bestimmt, um eine Übereinstimmung zwischen dem modellierten und dem beobachteten Signalverlauf zu finden. Bei der ersten Testprozedur werden die p Variablen nach ihren empirischen Interquartilsabständen sortiert. Dann werden die Korrelationskoeffizienten in jedem Permutationsschritt ermittelt und mit denen aus der Originalstichprobe verglichen. Die über alle Permutationen resultierenden P Werte werden zum Testniveau α bis zum ersten nicht signifikanten Ergebnis getestet. Die zweite Testprozedur verfährt ähnlich, wobei eine bestimmte Anzahl von nicht signifikanten Ergebnissen übersprungen werden kann. Beim dritten Verfahren werden hingegen spezielle Gewichte auf Basis der Interquartilsabständen berechnet und damit gewichtete P Werte ermittelt. Bei der letzten vierten Prozedur wird auf die geordneten Daten der Permutationsalgorithmus nach Westfall und Young angewendet [2].

Die betrachteten nichtparametrischen Testprozeduren werden hinsichtlich des Fehlers 1. und 2. Art bei korrelierten Stichprobenelementen untersucht. Weiterhin werden die Wirkungen von Korrekturmechanismen zur Beseitigung der Niveauverfälschung getestet werden. Es werden hierzu das sogenannte Prewhitening-Verfahren und die blockweise Permutation mit random shift betrachtet [3]. Zusätzlich werden die Methoden auf second-level-Analyse angewendet, bei denen die Analyseergebnisse von verschiedenen Probanden zusammengefasst werden. Hier hat man wieder den klassischen Fall von unabhängigen Stichprobenelementen, jedoch ist die Zahl der Probanden in der Regel viel kleiner als die Zahl der Scans in first-level-Analyse.