İstatistiksel Anlamlılık: Örneklem Boyutu/Boyutları ve İstatistiksel Güç - Çevremizdeki dünyayı anlamak için araştırmacılar, şüphelenilen gerçekleri yanlışlardan ayırmanın bir yolu olarak bilimsel yöntemi resmi olarak kullanırlar. Bilişsel Nörobilim; genetik, nörolojik ve davranışsal sistemlerin bir organizmanın çevresindeki dünyayı algılama, onunla etkileşime girme, yönünü bulma ve üzerinde düşünme yeteneğini nasıl desteklediğini anlamayı amaçlar.

Bu, bilişsel nörobilimin her analiz seviyesinde deneyler tasarladığı ve veriler topladığı anlamına gelir. Dünya çapında doğal dünyaya dair anlayışımızı ilerletmeyi amaçlayan araştırma programları, iyi planlanmış bir dizi daha küçük deneyde varsayımları veya hipotezleri düzenli olarak test etmektedir. Bu deneyler, çevre, cinsel yönelim, ırk veya sosyoekonomik durum gibi dış faktörlerin etkisini en aza indirirken, bir sonucu etkileyebilecek veya etkilemeyecek belirli faktörleri araştırmaya eğilimlidir.

Senaryo Bir: Dopamin Salınımı Çalışması

Bilişsel Nörobilimde dopamin genellikle "iyi hissettiren" bir bileşik olarak kabul edilir. Nukleus Akumbens (NuAc) içindeki salınımı, bizi davranmaya motive eden davranışlar veya şeyler tarafından tetiklenir. Bunlar şunları içerebilir:

• Güzel bir yemek yemek

• Sevdiklerinizle vakit geçirmek

• Seks

• Şeker

Diyelim ki NuAc'taki tepe dopamin seviyelerinin arzulanan veya tanıdık bir görsel uyarana maruz kalmadan önce mi, sırasında mı yoksa sonra mı oluştuğunu öğrenmek istiyoruz. Amatya Johanna Mackintosh'un çalışmasından uyarlanan EEG deneysel tasarımını kullanabiliriz. Dopamin salınımının, tanıdık veya arzulanan görsel uyarana maruz kalma sırasında gerçekleştiğini ve bundan hemen sonra tepe noktasına ulaştığını hipotez edebiliriz.

Şimdi, en kritik nokta, test deneklerini nereden bulacağız?

Deneysel durumlarda "popülasyon", üzerinde çalışılan daha büyük, toplam kolektif grubu ifade eder. Laboratuvarınızın yüz binlerce veya milyonlarca insan üzerinde dopamin salınımı verisi toplamak ve işe alım yapmak için bir teknik geliştirmesi pratik değildir ve pek olası değildir.

Bu nedenle, popülasyonu anlamak için daha küçük, temsili bir gruptan veya örneklemden veri toplamaya çalışacağız. Bunu yapmak için iki ana soruyu yanıtlamamız gerekecek.

1. Örneklemimize kaç bireyin dahil edilmesi gerekiyor?

2. Bunun pratik önem ve istatistiksel güçle ilişkisi nedir?

Aşağıda bunu detaylandıralım.

İstatistiksel Güç ve Gerçek Etki

İstatistiksel güç, bir testin gerçekten böyle bir fark mevcut olduğunda istatistiksel olarak anlamlı bir farkı tespit etme olasılığı olarak tanımlanır. Bu aynı zamanda gerçek etki olarak da adlandırılır.

Gerçek etki, deneysel tasarımın temel taşıdır. Bilimsel yönteme katkılarıyla bilinen Cohen'in 1988 raporu, bir çalışmanın gerçek bir etkiyi tespit etme olasılığının %80 olacak şekilde tasarlanması gerektiğini savunmuştur. Bu %80, yüksek güçlü (HP) bir test tasarımını temsil ederken, %20'ye yaklaşan her değer düşük güçlü (LP) bir test tasarımıdır.

Cohen, çalışmaların her zaman yanlış negatif olarak bilinen bir tip II hata yapma olasılığının %20'den az olması gerektiğini önermiştir. Ayrıca, bir araştırmacının bir fark gerçekten mevcutken yanlış bir şekilde hiçbir önemli etki olmadığını bildirmesi durumunda ortaya çıkan gözden kaçan keşifler için de aynı kılavuz aralıklarını kullanmaktadır.

İstatistiksel Güç Neden Önemlidir?

Bu senaryoyu düşünün. Eğer %80 güce sahip 100 farklı çalışmada gerçek bir etki mevcutsa, istatistiksel testler 100 çalışmanın 80'inde gerçek bir etki tespit edecektir. Ancak, bir çalışmanın araştırma gücü %20 olduğunda, sonuçlarda 100 gerçek sıfır dışı etki varsa, bu çalışmaların bunlardan yalnızca 20 tanesini keşfetmesi beklenir.

Nörobilim Araştırmalarında İstatistiksel Güç Eksiklikleri

Şaşırtıcı olmayan bir şekilde, nörobilim araştırmalarının kaynak yoğun yapısı nedeniyle, bu alanın medyan istatistiksel gücü yaklaşık %21'dir ve %8-%31 gibi geniş bir aralıkta ortalamaya ulaşır. Nörobilim araştırmalarında düşük istatistiksel güç şunlara yol açar:

• Bulguların tekrarlanabilirliği konusunda şüphe uyandırır.

• Abartılı bir etki boyutuna yol açar.

• Gerçek etkiyi doğru bir şekilde temsil eden istatistiksel olarak anlamlı sonuçların olasılığını azaltır.

Bu nedenle, nörobilim araştırmalarının mevcut durumu istatistiksel güç sorununun tuzağına düşmüştür çünkü bu değerler Cohen'in teorik eşiğinin çok altındadır.

Temsili Örneklem Grubu/Grupları Oluşturma

Senaryo Bir'in amacı: Kapsamlı ve geniş örnekleme ile testimizde örnekleme hatalarından ve tip I ve II hatalardan kaçınmak.

Deneyin pratik açıdan anlamlı olmasını istiyorsak örneklem setimize kaç insan beyni taramasının dahil edilmesi gerekir? Pratik anlamlılık, bir deneyin sonuçlarının gerçek dünyaya uygulanıp uygulanamayacağını ifade eder.

Bir nörobilimcinin deneyinin etkileri belirleme yeteneği (istatistiksel güç) örneklem boyutuyla ilişkilidir. Senaryo 1'in parametrelerine devam edersek amaç, duygusal olarak yüklü görsel uyarıcılar gösterdikten sonra dopamin salınımının zamanlamasında gerçek bir etki olup olmadığını istatistiksel olarak değerlendirebilmemiz için yeterli veri toplamaktır. Ayrıca, örnekleme hatası potansiyelini en aza indiren örnekleme dahil edilme kriterleri belirlememiz gerekir.

Örnekleme Hatalarından Nasıl Kaçınılır?

İlerlemeden önce iki terimi anlamak önemlidir.

1. Örnekleme hatası: Örnekleme yaparken, seçilen bireylerden toplanan verilerin popülasyonu temsil etmeme olasılığı her zaman vardır.

2. İstatistiksel Anlamlılık: İstatistiksel anlamlılık, verilerimizin ve gözlemlenen etkilerimizin muhtemelen gerçek etkiler olduğu anlamına gelir. Çoğu biyomedikal bilimde istatistiksel anlamlılık, 0,05'lik bir anlamlılık düzeyi veya p-değeri ile belirlenir. Esasen bu, bilim insanlarının deneylerinde gözlemlenen etkiye %95 oranında güvendikleri anlamına gelir.

Verilerin bir ilişki (örneğin dopamin salınımı) gösterdiğini düşünün. Etkinin tesadüfi olması ve değişkenle (görsel uyarıcı) alakasız olması ihtimali %5'tir. Bu, Tip I hata olacaktır. Alternatif olarak, toplanan verilerimizin, gerçekte gerçek bir etki - yanlış negatif veya Tip II hata - olduğunda dopamin salınımı ile görsel uyarıcı arasında hiçbir ilişki göstermeme olasılığı %5'tir.

Katılım kriterlerini dikkatle belirlemek daha etkilidir çünkü belirli bir örneklem boyutundan sonra azalan verim noktası vardır.

Tüm insanları temsil eden veriler toplamayı umuyoruz ve sonuçlarımızın hem pratik hem de istatistiksel olarak anlamlı olmasını istiyoruz. Örneklem setimizi başarılı bir şekilde tasarlamak için bir örnekleme hatası, tip I hata (yanlış pozitif) veya tip II hata (yanlış negatif) hesaba katılmalı ve bunlardan kaçınılmalıdır.

Deneyimiz aşağıdaki hipotezi test etmektedir:

• Sıfır hipotezi - NAc'taki dopamin salınımının zamanlaması ile duygusal olarak değerli görsel uyarıcı arasında hiçbir ilişki veya etki yoktur.

• Hipotez - NAc'taki dopamin salınımının zamanlaması ile duygusal olarak değerli görsel uyarıcı arasında bir ilişki VARDIR ve tepe dopamin salınımı görsel uyarıcıyı gördükten sonra gerçekleşir.

NAc'taki dopamin salınımının zamanlaması ile duygusal değerli görsel uyarıcılar arasında bir ilişki vardır. Veriler istatistiksel olarak anlamlı olmadığında:

• Hipotezimiz reddedilir.

• Gerçek bir etki veya fark bulunamaz.

• Gözlemlenen etkilerimizin tesadüfen ortaya çıkması da aynı derecede olasıdır.

Popülasyonu Anlamak mı?

Deneysel tasarımdaki pratik sınırlamalar.

Nörobilim araştırmalarında, resmi bir dahil etme kriteri tipik olarak örnekleme hatalarını önlemek için popülasyon genelinde dahil edilme olasılığını rastgeleleştirmeye ve/veya eşitlemeye çalışır. Sırf veri toplamak için en yakın veya en erişilebilir olan bireyleri seçmekten kaçınmalıyız, çünkü bu örnekleme hatasının reçetesidir.

Örneklem seti oluşturmaya yönelik en iyi yaklaşım, tüm popülasyon genelinde seçim olasılığını rastgele eşitleyen dahil etme kriterlerini kullanmaktır. Örneğin, nüfus sayım verilerini kullanarak Ohio'nun her bir bölgesinde rastgele seçilen 50 kişinin iletişim bilgilerini alabiliriz. Bu, seçim yanlılığını en aza indirecektir çünkü isimler tüm coğrafi bölgelerden eşit olarak rastgele seçilecektir.

Deneysel tasarımı oluşturmak, örneklem boyutunu artırmak ve tarafsız, rastgeleleştirilmiş ve eşit olarak uygulanan dahil etme kriterlerini tam olarak gerçekleştirmek hızla pratik sınırlarla karşılaşabilir. Bu, akademik çalışmalardan tam teşekküllü araştırma üniversitelerine kadar her düzeydeki bilimsel araştırmalar için bir sorundur. Genellikle, bütçe ve zaman çizelgesi sınırlamaları taviz vermeye zorlayan ilk unsurlardır. Toplu olarak, istatistiksel anlamlılıkla ilgili bu konular aktif araştırma alanlarıdır.

Gerçek Etki Boyutu Nedir?

Nörobilim araştırmalarının düşük istatistiksel gücü nedeniyle, gerçek etki boyutunu abartma eğilimindeyiz, bu da birçok çalışmanın düşük tekrarlanabilirliğine yol açıyor. Ayrıca, nörobilim araştırmalarının doğasında var olan karmaşıklık, istatistiksel gücü kritik hale getirmektedir.

Bu alanın benimseyebileceği yöntemlerden biri, örneklem boyutunu artırarak bir çalışmanın gücünü artırmaktır. Bu, gerçek bir etkiyi tespit etme olasılığını artırır. Uygun bir örneklem boyutu seçmek, aşağıdaki amaçları taşıyan araştırmayı tasarlamak için hayati önem taşır:

• Pratik keşifler yapmak.

• Beyindeki sayısız sürece dair anlayışımızı ilerletmek.

• Etkili terapiler geliştirmek.

Çağdaş Nörobilim Araştırmalarındaki Zorlukların Üstesinden Gelmek: EmotivLAB Platformu

Nörobilim araştırmalarının deneysel tasarımları, güvenilir istatistiksel anlamlılık elde etmek için daha büyük örneklem grubu boyutları ve daha iyi dahil etme kriterleri oluşturmaya zorlamalıdır. Araştırmacılar, EmotivLAB gibi kitle kaynaklı bir platforma erişim sayesinde, potansiyel olarak çok daha çeşitli, çok daha temsili denek bireylere erişebilir; bu da araştırma grupları için minimum ek lojistik çabayla örneklem boyutunu ve tüm demografik özelliklerin kapsayıcılığını artırır.

Modern nörobilim araştırmaları, deneysel örneklem seti için çeşitli bir grubu işe alacak sınırlı kaynaklar nedeniyle örnekleme hatalarına karşı savunmasız kalabilir. "WEIRD grubu" kavramı bu sorunu özetlemektedir. Çoğu üniversite araştırması, genellikle Batılı, Eğitimli ve Sanayileşmiş, Zengin ve Demokratik ülkelerden gelen deneysel denekler üzerinde çok kısıtlı bütçelerle yapılmaktadır. Ancak, EmotivLAB'ın EEG platformu gibi uzaktan veri toplama ekipmanları, araştırmacıların popülasyonu daha iyi yansıtan örneklem gruplarını işe almak için kampüsün ötesine ulaşmalarını sağlar.

EmotivLAB'ın platformu ve uzaktan EEG ekipmanı, yalnızca araştırmacıların deneysel örneklem gruplarına dahil edilen bireylerin çeşitliliğini genişletmelerine yardımcı olmakla kalmıyor. Aynı zamanda genel örneklem boyutu ve hedef popülasyonlara coğrafi erişim konusundaki sorunları da yatıştırıyor.

EmotivLAB platformu, araştırmacıları mevcut kısıtlamalardan kurtarır ve bunun yerine enerjilerini deney tasarlamaya ve sonuçları analiz etmeye odaklamalarına olanak tanır. Platformumuz, deneyi denek havuzundaki en uygun bireylerle eşleştirir. Katılımcıları işe almak, onları koordine etmek ve programlamak ve laboratuvar içi veri toplamak için zaman harcamanıza gerek yoktur. Tek yapılması gereken, çevrimiçi platformda istenen demografik özelliklerin belirtilmesidir ve EmotivLAB deneyi, istenen parametrelere en iyi uyan katkıda bulunanlara sunacaktır. Katılımcılar deneyleri kendi evlerinde, kendi ekipmanlarını kullanarak gerçekleştirebilirler. Kulaklığa aşina olmaları, araştırmacıların kullanımı hakkında talimat verme ihtiyacını ortadan kaldırır.

Bunun ötesinde, EmotivLAB platformu otomatik EEG kayıt verisi kalite kontrolü ve değerlendirmesi sağlar. Çok miktarda düşük kaliteli veri, deneysel tasarımlardaki örnekleme veya istatistiksel hataların üstesinden gelmeye yardımcı olmaz. Ancak daha fazla yüksek kaliteli veriye erişim, hataları önlemeye yardımcı olacak bir çözüm sunar:

• Örnekleme

• Popülasyon

• İstatistiksel anlamlılık

EmotivLAB Platformunun Araştırmanız İçin Neler Yapabileceği Hakkında Daha Fazla Bilgi Edinmek İster misiniz?

EmotivLABS; deneyinizi oluşturmanıza, güvenli ve emniyetli bir şekilde uygulamanıza, doğrulanmış katılımcılardan oluşan küresel bir panelden işe alım yapmanıza ve yüksek kaliteli EEG verileri toplamanıza olanak tanır; üstelik hepsi tek bir platformdan. Daha fazlasını öğrenmek veya bir demo talep etmek için buraya tıklayın.