本文發表於《大眾科學》的前部落格網路，僅反映作者的觀點，不一定代表《大眾科學》的觀點
神經科學家需要複習統計學知識。
這是《自然神經科學》雜誌上的一項新分析所傳達的資訊，該分析表明，在為期18個月的時間裡，頂尖期刊上超過一半的314篇神經科學文章未能採取充分措施來確保具有統計學意義的研究結果實際上並非錯誤。因此，即使經過了艱苦的同行評審，《自然》、《科學》、《自然神經科學》和《細胞》等期刊上的一些論文結果也可能是假陽性。
關於支援科學新聞業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞業 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們今天世界的發現和思想的具有影響力的故事的未來。
假陽性問題似乎根植於神經科學家使用的工具和進行的觀察越來越複雜。日益增長的複雜性對統計檢驗中做出的基本假設之一提出了挑戰，即每次觀察，例如來自特定神經元的電訊號，與隨後的觀察（例如來自同一神經元的另一個訊號）無關。
但事實上，在神經科學實驗以及生物學其他領域的研究中，產生彼此不獨立的讀數是很常見的。來自同一神經元的訊號通常比來自不同神經元的訊號更相似，因此統計學家稱資料點是聚類的或“巢狀的”。為了適應訊號之間的相似性，來自VU大學醫學中心和其他荷蘭機構的作者建議，需要一種稱為多層次分析的技術來考慮資料點的聚類。
在2012年和2013年上半年調查的包含聚類資料的314篇論文中，有53%的論文沒有做出充分的校正。“我們沒有看到任何研究使用正確的多層次分析，”首席研究員索菲·範德斯路易斯說。7%的研究確實採取了措施來解釋聚類，但這些方法在檢測實際生物學效應方面遠不如多層次分析敏感。研究人員指出，一些被調查的研究可能報告了假陽性結果，儘管他們無法提取足夠的資訊來精確量化有多少。未能對資料中的聚類進行統計校正可能會將假陽性發現的機率提高到高達80%——通常認為不高於5%的風險是可以接受的。
威爾康奈爾醫學院神經科學教授喬納森·D·維克多對這項研究表示讚揚，稱其“提高了人們對巢狀設計特有缺陷的認識，並指導您如何在資源有限的情況下建立一個良好的巢狀設計。”
麻省理工學院-哈佛大學健康科學與技術部腦與認知科學系的計算神經科學教授埃默裡·N·布朗指出，迫切需要提高神經科學研究中應用的統計複雜程度。“系統存在一個根本缺陷，根本缺陷基本上是神經科學家不掌握足夠的統計學知識來做正確的事情，也沒有足夠的統計學家在神經科學領域工作來幫助解決這個問題。”
近年來，研究結果的可重複性問題一直困擾著許多頂尖期刊的編輯。《自然》雜誌已經制定了一個清單，以幫助作者報告其研究中使用的方法，該清單詢問特定研究的統計目標是否已實現。（《大眾科學》是自然出版集團的一部分。）範德斯路易斯等人的研究以及其他研究的明確資訊是，隨著該領域在解讀越來越密集的神經訊號網路方面取得進展，統計學家將發揮越來越關鍵的作用。
圖片來源：Zache