编辑推荐：
为解决脑成像研究中样本量不足导致的可重复性危机，的研究人员开展了关于脑成像统计误差估计偏差的研究。他们发现，传统重抽样方法在接近全样本大小时会引入显著偏差，导致统计功效被高估。研究建议仅对全样本的10%进行抽样以避免偏差，并指出脑成像研究可能需要数万名参与者才能确保可重复性。这一发现对优化研究设计和提升脑成像研究的可靠性具有重要意义，值得科研读者关注。
在当今的神经科学领域，脑成像技术的发展为我们理解大脑与行为之间的关系提供了前所未有的机会。然而，随着研究的深入，一个关键问题逐渐浮出水面：在脑成像研究中，究竟需要多少受试者才能确保研究结果的可重复性？这个问题不仅关系到研究的可靠性，还直接影响到神经科学和心理学研究的未来发展。近年来，一些研究指出，脑成像研究中样本量不足可能导致结果不可靠，甚至引发所谓的“可重复性危机”。例如，Marek等研究人员在《Nature》上发表的研究表明，可重复的脑成像研究可能需要数千名受试者。这一发现引发了广泛讨论，促使科学家们重新审视研究方法和样本量要求。
为了回答这一问题，研究人员在《Nature》期刊上发表了一篇题为“Reproducible brain-wide association studies require thousands of individuals”的论文。该研究通过分析大规模脑成像数据集，探讨了样本量对研究结果可重复性的影响，并提出了未来研究中样本量的建议。这项研究的意义在于，它不仅为脑成像研究提供了重要的方法学指导，还强调了在神经科学研究中追求高样本量的必要性。
研究背景与问题
在神经科学中，脑成像技术被广泛用于探索大脑结构和功能与行为之间的关联。然而，近年来的研究发现，许多脑成像研究的结果难以在独立样本中得到重复，这引发了对研究可靠性的质疑。例如，一些研究指出，样本量不足可能导致研究结果的统计功效低下，从而增加假阳性和假阴性的风险。此外，研究设计、数据处理方法以及统计分析的选择也可能对结果的可重复性产生重要影响。因此，如何确保脑成像研究结果的可重复性成为当前研究的一个重要课题。
研究方法
为了探讨样本量对脑成像研究结果可重复性的影响，研究人员采用了以下几种关键技术方法：
大规模脑成像数据集的分析：研究人员利用了多个大型脑成像数据集，包括人类连接组计划（Human Connectome Project, HCP）、青少年大脑认知发展研究（Adolescent Brain Cognitive Development study, ABCD）和英国生物银行（UK Biobank）等，这些数据集涵盖了数千名受试者的大脑结构和功能数据。
数据驱动的统计误差估计：研究人员采用了一种数据驱动的方法，通过从大规模数据集中进行有放回的重抽样，来估计单变量脑-行为关联研究中的统计误差。这种方法允许研究人员在不收集新数据的情况下，模拟不同样本量下的研究结果可重复性。
模拟研究：为了验证数据驱动方法的有效性，研究人员还进行了模拟研究，生成了无真实效应（null effect）的随机数据，并在这些数据上应用相同的统计分析方法。通过比较模拟数据和实际数据的分析结果，研究人员能够评估数据驱动方法在估计统计误差时的偏差。
研究结果
重抽样方法对统计误差估计的强烈偏差
研究人员首先模拟了一个包含1,000名受试者的大规模样本，每个受试者有1,225个脑连接度量（随机皮尔逊相关性）和一个行为度量（正态分布）。由于脑连接度量和行为因素是独立生成的，因此任何得到的脑-行为相关性都是随机的，即总体效应大小为零（ρ=0）。通过从这个大规模样本中进行重抽样，研究人员发现，即使在随机数据中，也能观察到与Marek等研究中类似的统计误差和可重复性趋势。这表明，当重抽样接近全样本大小时，统计误差估计存在显著偏差，尤其是在统计功效估计方面。
复合抽样变异性导致的偏差
研究人员进一步探讨了这种偏差的来源，发现其主要原因是重抽样过程中测试统计量的复合抽样变异性。当从大规模样本中进行重抽样时，测试统计量的分布会比预期更宽，导致更极端的尾部。这种分布的扩展使得在重抽样中观察到的显著相关性增加，从而导致统计功效的高估。此外，研究人员还发现，当真实效应存在时，统计功效的估计偏差取决于全样本大小的真实统计功效。
基于真实效应的统计功效估计偏差
为了进一步验证这一发现，研究人员模拟了包含真实效应的数据，并发现统计功效的估计偏差取决于全样本大小的真实统计功效。当全样本的统计功效较低时，重抽样估计的统计功效会显著高于实际水平；而当全样本的统计功效较高时，重抽样估计的统计功效则会略低于实际水平。这表明，在样本量不足的情况下，重抽样方法可能会高估研究的统计功效，从而导致对研究结果可重复性的过度乐观估计。
研究结论与讨论
该研究的结论强调了在脑成像研究中追求高样本量的重要性。研究人员指出，为了确保脑成像研究结果的可重复性，可能需要数万名受试者。这一发现对当前的脑成像研究实践提出了挑战，因为收集如此大规模的样本在实际操作中往往面临诸多困难，包括时间和成本的限制。然而，研究也提供了一些可能的解决方案。例如，研究人员建议，通过限制重抽样比例（如不超过全样本大小的10%），可以在一定程度上避免统计误差估计的偏差。此外，研究还强调了优化研究设计、数据处理方法和统计分析方法的重要性，这些因素都可能对研究结果的可重复性产生显著影响。
该研究的意义在于，它不仅揭示了当前脑成像研究中样本量不足可能导致的问题，还为未来的研究提供了重要的方法学指导。通过强调高样本量的必要性，该研究提醒科学家们在设计研究时必须考虑到统计功效和结果可重复性的重要性。同时，研究也指出，通过优化研究方法和技术，可以在一定程度上提高研究的可靠性和可重复性。这对于推动神经科学和心理学研究的健康发展具有重要意义。
