多中心合作和可重复的心理与脑科学研究
孔祥祯
(Language and Genetics Department, Max Planck Institute for Psycholinguistics, 6525 XD, Nijmegen, The Netherlands)
摘 要 心理与脑科学研究结果的可重复性问题近年来备受关注。这一问题的根源一般被认为有两个方面：客观存在的方法学问题和研究者有意或无意的可疑研究操纵。开展可重复的心理与脑科学研究已经为越来越多的研究者所接受和推崇，正在成为新的趋势。本文从多中心合作的视角，就多中心合作研究模式在开展可重复的心理与脑科学研究中的应用和发展，以及应用过程中需要注意的问题展开讨论。希望国内心理与脑科学同行，尤其是年轻研究者加强多中心合作研究相关的方法学训练，以更开放的心态联合起来，开展稳健、可重复的心理与脑科学研究。
关键词 多中心合作;可重复性;团队科学;开放科学
近年来，研究结果的可重复性问题在心理与脑科学和医学等多个领域备受关注(Benjamin et al., 2018; Freese & Peterson, 2017; Ioannidis, 2005; Munafo et al., 2017; Poldrack et al., 2017; Prinz, Schlange, & Asadullah, 2011; Schooler, 2014)。考虑到研究对象、实验范式和研究问题的复杂性(比如，人的心理状态随所处环境而变化)，以及客观存在的出版偏见等因素，心理与脑科学研究中一些结果未被成功重复的原因是复杂的。比如，小样本研究带来的效应量被高估问题，以及重复实验与原实验中不同群体的样本导致的数据偏差，都可能导致研究结果的重复失败(Button et al., 2013; LeWinn, Sheridan, Keyes, Hamilton, & McLaughlin, 2017; Munafo et al., 2017)。同时，研究过程中存在的一些有意或无意的可疑操纵(problematic practices)也被认为是可重复性问题的重要原因(骆大森, 2017; Aarts et al., 2015; Benjamin et al., 2018; Munafo et al., 2017; Simmons, Nelson, & Simonsohn, 2011)：在实验报告中选择性地报告数据分析过程和研究结果是这种陋习中的典型例子。目前，我们很难明确一些研究结果不可重复的具体原因，但是开展可重复的心理与脑科学研究已经为越来越多研究者所接受和推崇，并逐渐成为新的趋势(Gorgolewski & Poldrack, 2016; Munafo et al., 2017; Poldrack et al., 2017)。针对如何开展可重复的心理与脑科学研究，一些研究者从方法学和实践的角度进行了诸多讨论，比如，数据采集前的样本预估，研究预注册(preregistration)，阴性结果发表、数据共享等(胡传鹏, 王非, 过继成思, 宋梦迪, 隋洁, 彭凯平, 2016; 骆大森, 2017; 朱滢, 2016; Munafo et al., 2017; Poldrack et al., 2017)。本文主要就多中心合作研究模式(multi-site collaboration)，即针对同一感兴趣问题、多个同行一起开展的多中心数据采集和汇总研究的模式，在开展可重复的心理与脑科学研究中的应用和可能存在的问题总结相关经验并提出对应建议。下文将从多中心合作研究的优势、应用和数据来源，以及应用过程中可能存在的挑战等多个方面展开(图1)。
图1 多中心合作研究的优势、应用案例、数据来源和挑战。
1 多中心合作的优势
第一，累积样本，提高统计效力。通常情况下，由于研究问题的特殊性，以及测量手段的不完美，心理与脑科学研究问题的效应量往往较小。因此，为了成功检测到如此细微的效应，必然需要更多的样本量 。在单一中心的研究资源有限的情况下，往往只能开展小样本研究，在这种情况下，即使可以发现显著效应，也往往会造成对效应的高估，甚至可能只是假阳性结果。比如，2013年，Button等在发表在《自然评论：神经科学》的论文中系统讨论了这一问题，并将该由小样本导致的可重复性问题称为统计效力不足(Power Failure)。而通过多中心合作可以有效地累积样本量，以提供检测到细微效应的统计效力。此外，在可重复性的验证研究中，采用多中心合作的模式对于提高统计效力尤其具有优势。目前心理学的重复验证实验，除了采用预注册增加透明程度之外，基本上都采用了多中心的模式，不管是美国心理学会(Association of Psychological Sciences, APS)组织的注册重复报告(Registered Replication Report, RRR), 还是多实验室合作项目(ManyLab)。
第二，提高研究结果的可重复性。由于小样本研究往往会高估感兴趣的效应量，甚至导致假阳性结果，从而导致可重复性问题。通过多中心合作，在量上增加样本量的同时，可以获取多样的数据，从而更准确地估计样本量，提高结果的可靠性。
第三，提高研究结论的可推广性。小样本研究得到的结论往往仅适用于某个特定群体，可推广性有限。而由于更可能从更多样的群体获取数据，基于多中心合作模式得到的结论具有更大的可推广性。
基准值[34-42]指未受人类活动影响，反映土壤原始沉积环境(第Ⅰ环境)的地球化学元素含量，也就是自然条件下的地球化学背景情况，又称土壤元素本底值，用深层土壤地球化学元素含量表征。其控制因素主要是地质背景、沉积物来源等。它是研究表生元素地球化学行为的重要参比值，也是评判表层土壤“污染程度”的重要依据，是评价土壤元素丰缺、成土母质环境质量、农产品品质与安全性及防治对策等研究的参考值。
第二，数据共享协议。多中心合作研究主要是基于多中心的数据展开，其中往往涉及到数据共享。在数据共享时，一方面需要遵守学术研究伦理，确保被试隐私不被泄露；同时需要最大限度的共享数据，以充分利用数据资源。更重要地，在共享数据前，需要明确数据共享协议，避免不必要的麻烦。比如，在协议中明确限定，相应数据仅限用于指定项目，且不可给第三方使用。
所谓骨盆,是由骶骨、坐骨、尾骨、耻骨、髂骨不同骨骼融合而成的盆状物,它包括两个大的骨盆骨[1]。骨盆位于我们人体的正中间,它是人体整个骨骼的中心,连接着上半身和下半身,起着承上启下的作用。在骨盆所形成的盆腔内,还有膀胱、直肠以及生殖器官等脏器。骨盆的健康关系到整个身体的平衡度,支持下半身之间的协调运动,同时能够保护骨盆中内脏。
第五，进一步探索不可重复问题的解决方案。虽然可重复性问题备受关注，但由于可靠实验数据的缺失，实际上，究竟是什么导致了一些研究的不可重复我们并不清楚。比如，由于没有原研究的原始数据，同时学术出版不可避免地存在出版偏见，基于现有方法我们并不能明确知道后续研究不能重现原研究结果的原因：是原研究中存在有问题的数据分析或选择性报告，还是重复样本和原样本之间存在内在偏差？而通过针对同一研究问题的数据采集并汇总，多中心合作可以有效避免一些有问题的数据分析和报告做法，进而考察在完全不存在这些问题时，特定效应的可重复性会如何(可以称为仅由测量和样本偏差导致的“固有可重复性”)，以探索不可重复问题的解决方案。
2 多中心合作在中国
第四，数据分析和可视化。与单一中心研究不同，多中心合作研究的数据分析往往涉及一些特异于该类型研究的问题，比如，如何汇总来自多中心的数据。通常情况下，可以根据可能的数据共享限制(比如，是否共享个体数据，还是只能共享统计结果)，选择基于单中心统计结果的meta分析或基于汇总的个体数据的mega分析R。常用的meta分析工具包有metafor (Viechtbauer, 2010); 常用的mega分析工具包有lme4(Bates, Mächler, Bolker, & Walker, 2015)，二者均为R工具包。值得注意的是，在基于汇总的个体数据的mega分析中，往往需要在模型中控制不同“数据集”带来的混淆效应，即模型中加入“数据集”作为随机效应项。此外，在研究中涉及大量数据分析和比较时，除通过可视化手段将主要结果呈现在论文中，其他结果可以以网页的形式上传到网上，以方便读者查询获取更多信息；GitHub Pages提供了一种方便且免费的项目管理和展示网页服务(https://pages.github.com/)， 此外Jupyter Notebook(https://jupyter.org/)和Shiny应用(https://shiny.rstudio.com/)也提供了类似的功能。
（1）经检测可知，120例患者的冠状动脉支共390支，其中324支的图像质量为1级，56支的图像质量为2级，15支的图像质量为3级。
中国心理与脑科学研究者不仅参与到了国际多中心合作的项目中，而且作为主要贡献者发起了一些重要的多中心合作项目和研究。
CoRR项目 中国科学院心理研究所左西年研究员参与了千人功能连接组计划，并发起了以中国研究者为主导的国际神经影像大数据共享计划“国际信度与可重复性联盟”(表1)。该项目搭建了一个用于评估脑功能和结构连接组重测信度和可重复性的多数据集开放科学资源。
第二，数据共享平台。越来越多的研究者倾向于在论文发表的同时，将原始数据或预处理后的数据公开供其他研究者下载。研究者可以根据感兴趣的研究问题，查询现有的数据共享数据库(比如，脑影像相关的数据库OpenfMRI和OpenNeuro)，以获取多个数据集。同样，可以考虑将自己现有的数据上传到数据共享平台，同时也可以将数据描述以学术论文的形式发表在数据描述相关的期刊(比如， Scientific Data和GigaScience)上，一方面可以更充分地利用和挖掘现有数据资源，同时为多中心合作研究提供更多可能性。此外，一些大型的数据采集项目也往往会搭建数据平台，并向研究者开放，比如，人类连接组计划HCP(The Human Connectome Project)和英国生物样本库UKBiobank，以及中国人社会科学相关的大型社会调查项目：中国家庭追踪调查CFPS和中国健康与养老追踪调查CHARLS。
CHIMGEN项目 CHIMGEN的全称是中国影像遗传学研究计划(表1)，由天津医科大学总医院于春水教授牵头设计，并依托中华医学会神经放射学专业委员会实施，共有国内30家知名高校或医院参与。该计划拟通过多中心模式收集10000个汉族健康青年人的遗传、环境、脑影像和认知相关数据，用于探索遗传和环境因素影响人类高级认知功能的机制问题。该项目完成后，将是目前国内规模最大的多中心脑影像遗传学数据库，也将成为国际上规模最大的脑影像遗传学数据库之一。
表1 国内外多中心合作研究举例
REST -meta -MDD项目 REST-meta-MDD的全称为“抑郁症静息态功能磁共振多中心数据荟萃分析计划”，由中国科学院心理研究所严超赣研究员主导发起(Yan et al., 2018)。 该项目旨在通过多中心合作的方式，采集并汇总基于静息态功能磁共振成像测量指标，探索与抑郁症相关的脑功能异常。项目发起阶段，由来自全国17家医院的25个研究组参与。该项目在脑影像数据的采集和数据分析的标准化上做了很多努力，为后续多中心大数据合作提供了重要参考。
中国脑模板和图谱计划 Chinese2020 中国脑模板和图谱计划(表1)旨在构建更为精细的中国人3D脑结构图谱和白质纤维脑图谱。项目由首都医科大学宣武医院李坤成教授牵头发起，多中心、多学科团队来自全国13家单位，拟收集一组1000名健康被试的多模态磁共振影像数据。
这里仅根据笔者观察，罗列几项。此外，中国研究者主导或参与的多个多中心合作研究发表在高影响力期刊，其中包括复旦大学教授类脑智能科学与技术研究院冯建峰教授(Cheng et al., 2016)，北京师范大学心理学部刘嘉教授(Kong et al., 2018)，西南大学心理学部邱江教授(Beaty et al., 2018; Cheng et al., 2016; Kong et al., 2018)，中国科学院自动化研究所隋婧研究员(Kong et al., 2018)，中国人民解放军国防科技大学曾令李教授(Zeng et al., 2018)，上海交通大学医学院附属精神卫生中心王振教授(Boedhoe et al., 2017)， 和昆明医科大学第一附属医院程宇琪教授(Boedhoe et al., 2017; Kong et al., 2018)等众多研究者及其科研团队。
以“互联网+教育”为核心的教学模式已逐渐应用于高校的教学改革中。作为新型多元化的教学模式，其优势明显：教学的时空和角色发生改变，任何时间和地点都可进行教与学，结合信息技术手段，实现教育双向互动、实时交互模式；各种优秀教学资源可达到优化和共享；可提供个性化教学等。因此，结合传统教学方式和互联网信息化技术，实现网络资源和高校课堂的有机融合将是未来教学改革的主流趋势[1]。
3 多中心合作研究的数据来源
多中心合作研究的关键是数据。从上述列举的多中心合作项目可以看出，其中既有多个研究机构参与的大规模数据采集项目，也有基于特定研究问题发起的数据汇总分析项目。开展多中心合作项目大致有以下几类数据获取方式。
第一，研究机构或研究者间的合作。研究者可以通过参与现有的多中心合作项目(比如，ENIGMA和心理学加速器项目)，或根据感兴趣的研究问题发起新的合作项目,比如，REST-meta-MDD项目(Yan et al., 2018)、人类“企鹅”项目(Human Penguin Project)(Hu et al., 2018; IJzerman et al., 2018)、感动情绪的跨国研究(Zickfeld et al., in press)，以获取多中心数据，用于汇总分析。
北京老年脑健康促进计划BABRI 北京老年脑健康促进计划(表1)由北京师范大学认知神经科学与学习国家重点实验室张占军教授课题组发起，该计划聚焦痴呆的早期防控，以认知老化为切入点，计划在20年内搭建覆盖10000名老年样本的多模态神经影像数据数据库。项目发起后，已有多家科研临床单位相继加入该计划。
第三，文献检索。针对感兴趣的问题，检索相关领域已发表的论文，并有针对性地联系作者，询问数据合作的可能性。比如，为了全面的刻画海马与空间导航能力之间关联，有研究者收集了采用相关数据的已发表论文，并与论文作者取得联系， 寻求合作(Weisberg, Chatterjee, & Newcombe, 2018)。
第四，社交网络。研究者也可以通过社交网络发布自己感兴趣的研究问题，一方面可以弥补在文献检索中缺失的文献，同时可以寻求更多的合作可能性。
第五，搭建国内外同行合作平台。可以将对特定问题感兴趣的国内外同行聚集在一起，搭建开放科学合作平台。基于此平台，研究者可以发布感兴趣的研究问题，以更有效地寻求多中心合作的可能性。比如，考虑到基于单一数据集的脑影像个体差异研究的可重复性问题，可以聚集一批关注脑影像测量和行为个体差异关联的研究者，成立一个联盟组织(权且将其命名为“中国脑个体差异研究计划”)，促进相关领域多中心合作研究的发展。
对于研究资源有限的学生或年轻研究者，发起大规模的数据采集项目可能还存在限制。但是，年轻研究者可以以更开放的心态联合起来，相互支持，同时充分利用共享数据库和社交网络，以开展一些有影响力的多中心合作研究。下面是在多中心合作研究开展过程中常见的几个注意事项。
4 多中心合作研究的挑战
第三，数据共享和质量控制。数据共享和质量控制是多中心合作研究执行过程中的关键环节。少量的数据共享相对灵活，可以采用邮件等方式完成共享；对于大规模的数据共享，可以采用网盘等方式进行。这些方式在一般性的项目中是可行的，但是其中往往涉及到大量的邮件往来，将数据共享环节融合到专业的协作平台可以极大地提高工作效率。同时，文件传输过程中可能发生的文件损坏现象也会给后续数据分析带来不必要的困扰，可以采用特定的方式确保文件完整(比如md5sum)。此外，由于数据采集来自于不同中心，在开展数据分析前进行系统的质量控制(比如针对脑影像数据的质量控制)是至关重要的。
第四，探索感兴趣效应的异质性。由于心理与脑科学研究问题的复杂性，实验样本的构成(比如，早期成长经历和年龄分布)可能改变观测到的感兴趣效应。通过多中心合作的研究模式，可以为探索效应的异质性与样本变异之间的关联提供可能性。最近，ManyLab项目针对效应的异质性问题，通过一项全球的多中心合作研究，系统探索了样本构成的变异在效应异质性中扮演的角色(Klein et al., 2018)。
第一，信息沟通和项目管理。多中心合作研究由于涉及到多个研究者或研究机构参与，有效地信息沟通和项目管理极为重要。目前可以采用一些现有的协作工具(比如，开放科学框架)辅助多中心合作的项目管理。随着多中心合作研究项目开展的不断增多，也可以针对特定项目需求开发更为高效的协作平台。
目前，国际上存在多个基于多中心合作研究模式的心理与脑科学相关的项目(表1)。比如，ENIGMA联盟项目(http://enigma.ini.usc.edu/)， 该项目由美国南加州大学神经科学家Paul Thompson发起，以多中心合作的模式，将来自200多个中心的近千名研究者聚集在一起；ENIGMA联盟目前有近40个工作组(Working Group)，旨在探索大脑结构和功能的个体差异，以及与遗传和疾病之间的关联；该项目的系列研究成果发表在《自然》《自然-神经科学》《自然-遗传学》《分子精神病学》《生物精神病学》《美国精神病学》和《美国科学院院刊》等高影响力学术期刊，并由《科学》期刊做了主题报道(Guglielmi, 2018)。开放科学协作组发起了针对三个心理学重要期刊中发表的100个研究结果的重复研究项目，共270名研究者参与了该项目；项目成果于2015年发表在《科学》期刊上(Aarts et al., 2015)，引发了研究者对心理学研究可重复性问题的关注和担忧，3年内被引用2000余次；同时，该组织主要研究者为了进一步推广透明、开放、可重复的研究，搭建了开放科学平台开放科学框架(Open Science Framework)，并成立了开放科学中心(Center for Open Science)。其他多中心合作心理学与脑科学项目还有ADNI(Alzheimer’s Disease Neuroimaging Initiative)，千人功能连接组计划(1000 Functional Connectomes)， IMAGEN项目， CHARGE联盟， PING计划， ABCD计划， ManyLab项目和心理学加速器项目(表1)。
第五，论文写作和投稿。在涉及多个研究者参与时，论文的写作和修改可以有不同的模式：可以是主要研究者负责论文写作，其他研究者参与其中；或多个研究者并行完成论文写作。前者的情况可能更为普遍。不管怎样，可以充分利用一些网络协作平台(比如，Google Docs)，以更高效地完成论文写作。论文投稿要经过所有署名作者的同意，作者信息和授权可以采用一些网络工具完成，比如在线调查工具或Google Forms等。此外，论文通常涉及数十甚至数百作者署名，作者列表和单位管理也是多中心合作研究中存在的一项挑战，由于目前还没有专门的管理工具，需要研究者手动处理或通过编程实现。
总之，在心理与脑科学研究结果可重复性问题备受关注的今天，开展透明、开放、可重复的研究更显得至关重要。这一重要性，一方面体现在严谨的科学研究可以促进我们对人的心理与脑结构和功能的认识；同时也体现在，在这一趋势下透明、开放、可重复的研究成果为越来越多研究者所推崇，并更可能发表在高影响力的学术期刊上。在开展可重复的心理与脑科学研究的新趋势下，多中心合作研究模式以其在更大的样本量、更多样的样本和更稳定可靠的研究结果等方面的优势，扮演着重要的角色；同时，该研究模式有助于探索和揭示目前研究者面临的可重复问题的根源，促进研究者探寻根本的解决方案。近年来，心理与脑科学多中心合作项目迅速发展，但仍有很大的发展空间(Olds, 2016)。建议国内心理和脑科学同行，尤其是学生和年轻研究者，加强团队科学意识和多中心合作研究相关的方法学训练；参与到合作项目中去，针对特定问题开展合作研究；以更开放的心态联合起来，通过积极组织和参与多中心合作研究，做出一些有影响力的研究成果，促进国内心理学相关学科健康发展。
患儿出生的同时，一位富有的女士在同一病区生了个女孩。她现年已40岁，仅有一个13岁的女儿和目前这个刚出生的女儿。她非常想要一个儿子，所以她请求能够收养患儿，以作为她新生女儿的双胞胎来一起抚养。
我的微博主页几乎是全网最全抽奖锦鲤合集，老朋友纷纷问我是不是被盗号了，一位新粉丝专门留言，“特意从你这里转走，中了的话请你喝一杯奶茶”。
致谢
观察组膀胱痉挛的发生率低于对照组，日平均发作次数少于对照组，持续时间短于对照组，疼痛评分低于对照组。两组之间的差异有统计学意义（P＜0.05）。见表1。
因此，在这种话语交谈过程中，对话的语义含义已经不是交际者想要传达或者真正关心的部分。在交谈过程中，交际双方都使用了带有特殊会话含义的语句。只有通过对语境和交际双方所传达意义的推导，才能得出交际过程中语言的真实含义。
感谢德国美因茨大学医学中心(Universitäts-medizin Mainz)胡传鹏博士、法兰克福马普经验美学研究所(Max Planck Institute for Empirical Aesthetics)蒲艺博士在本文写作中提供的帮助。
参考文献
胡传鹏, 王非, 过继成思, 宋梦迪, 隋洁, 彭凯平 (2016). 心理学研究中的可重复性问题: 从危机到契机. 心理科学进展, 24 (9), 1504-1518.
骆大森 (2017). 心理学可重复性危机两种根源的评估. 心理与行为研究, 15 (5), 577-586.
朱滢 (2016). “开放科学数据共享软件共享”, 你准备好了吗？心理科学进展, 24 (6), 995-996.
Aarts, A. A., Anderson, J. E., Anderson, C. J., Attridge, P. R., Attwood, A., Axt, J., ... Bartmess, E. (2015). Estimating the reproducibility of psychological science. Science, 349 (6251), 253-267.
Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software, 67 (1), 1-48.
Beaty, R. E., Kenett, Y. N., Christensen, A. P., Rosenberg, M. D., Benedek, M., Chen, Q., ... Silvia, P. J. (2018). Robust prediction of individual creative ability from brain functional connectivity. Proceedings of the National Academy of Sciences of the United States of America, 115 (5), 1087-1092.
Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E. J., Berk, R., ... Cesarini, D. (2018). Redefine statistical significance. Nature Human Behaviour, 2 (1), 6-10.
Boedhoe, P. S., Schmaal, L., Abe, Y., Ameis, S. H., Arnold, P. D., Batistuzzo, M. C., ... Brem, S. (2017). Distinct subcortical volume alterations in pediatric and adult ocd: a worldwide meta- and mega-Analysis. American Journal of Psychiatry, 174 (1), 60-69.
Button, K. S., Ioannidis, J. P., Mokrysz, C., Nosek, B. A., Flint, J., Robinson, E. S., & Munafò, M. R. (2013). Power failure: why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14 (5), 365-376.
Cheng, W., Rolls, E. T., Qiu, J., Liu, W., Tang, Y., Huang, C. C., ... Pu, J. (2016). Medial reward and lateral non-reward orbitofrontal cortex circuits change in opposite directions in depression. Brain, 139 , 3296-3309.
Freese, J., & Peterson, D. (2017). Replication in Social Science. Annual Review of Sociology, 43 , 147-165.
Guglielmi, G. The world’s largest set of brain scans are helping reveal the workings of the mind and how diseases ravage the brain. Retrieved December 20, 2018, from https://www. sciencemag. org/news/2018/01/world-s-largest-set-brain-scans-are-helping-reveal-workings-mind-and-how-diseases
Gorgolewski, K. J., & Poldrack, R. A. (2016). A Practical Guide for Improving Transparency and Reproducibility in Neuroimaging Research. Plos Biology, 14 (7), e1002506.
Hu, C. P., Yin, J. X., Lindenberg, S., Dalgar, I., Weissgerber, S. C., Vergara, R. C., ... Hadi, R. (2018). Data from the Human Penguin Project: a cross-national dataset testing principles from social thermoregulation theory. https://doi. org/10. 31234/osf. io/cs6au.
IJzerman, H., Lindenberg, S., 
Weissgerber, S. S., Vergara, R. C., Cairo, A. H., ... Hall, C. J. (2018). The Human Penguin Project: climate, social integration, and core body temperature. Collabra: Psychology, 4 (1), 37.
Ioannidis, J. P. A. (2005). Why most published research findings are false. Plos Medicine, 2 (8), 696-701.
Klein, R. A., Vianello, M., Hasselman, F., Adams, B. G., Adams Jr, R. B., Alper, S., ... Batra, R. (2018). Many labs 2: investigating variation in replicability across sample and setting. Advances in Methods and Practices in Psychological Science, 1 (4), 443-490.
Kong, X. Z., Mathias, S. R., Guadalupe, T., Glahn, D. C., Franke, B., Crivello, F., ... ENIGMA Laterality Working Group. (2018). Mapping cortical brain asymmetry in 17, 141 healthy individuals worldwide via the ENIGMA Consortium. Proceedings of the National Academy of Sciences of the United States of America, 115 (22), E5154-E5163.
LeWinn, K. Z., Sheridan, M. A., Keyes, K. M., Hamilton, A., & McLaughlin, K. A. (2017). Sample composition alters associations between age and brain structure. Nature Communications, 8 (1), 1-14.
Munafò, M. R., Nosek, B. A., Bishop, D. V., Button, K. S., Chambers, C. D., Du Sert, N. P., ... Ioannidis, J. P. (2017). A manifesto for reproducible science. Nature Human Behaviour, 1 (1), 1-9.
Olds, J. L. (2016). The rise of team neuroscience. Nature Reviews Neuroscience, 17 (10), 601-602.
Poldrack, R. A., Baker, C. I., Durnez, J., Gorgolewski, K. J., Matthews, P. M., Munafò, M. R., ...& Yarkoni, T. (2017). Scanning the horizon: towards transparent and reproducible neuroimaging research. Nature Reviews Neuroscience, 18 (2), 115-126.
Prinz, F., Schlange, T., & Asadullah, K. (2011). Believe it or not: how much can we rely on published data on potential drug targets?Nature Reviews Drug Discovery, 10 (9), 712-U781.
Schooler, J. W. (2014). Metascience could rescue the replication crisis. Nature, 515 (7525), 9.
Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology: undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science, 22 (11), 1359-1366.
Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of statistical software, 36(3).
Weisberg, S. M., Chatterjee, A., & Newcombe, N. (2018). Hippocampal volume and navigation ability reanalysis. Retrieved May 1, 2018, from: https://osf. io/xp7ru
Yan, C. G., Li, L., Chen, X., Castellanos, F. X., Bai, F., Bai, T. J., ... Cheng, C. (2018). Twenty-five cohorts of major depressive disorder in china: evidence for reduced but not enhanced default mode network functional connectivity. bioRxiv , 321745.
Zeng, L. L., Wang, H., Hu, P., Yang, B., Pu, W., Shen, H., ... Wang, K. (2018). Multi-Site Diagnostic Classification of Schizophrenia Using Discriminant Deep Learning with Functional Connectivity MRI. Ebiomedicine, 30 , 74-85.
Zickfeld, J. H., Schubert, T. W., Seibt, B., Blomster, J. K., Arriaga, P., Basabe, N., ... Ding, Y. (2018). Kama muta: Conceptualizing and measuring the experience often labelled being moved across 19 nations and 15 languages. Emotion, in press.
Multi-site Collaboration Approaches to Replicable Research in the Psychological and Brain Sciences
KONG Xiangzhen
(Language and Genetics Department ,Max Planck Institute for Psycholinguistics , 6525 XD ,Nijmegen ,The Netherlands )
Abstract The replicability issue has received increased attention over recent years in a variety of fields including psychology and neuroscience. Two plausible roots have been considered contributing to this issue: intrinsic problems in traditional statistical methods, and potential problematic research practices in the traditional studies. Multiple calls for reproducible and replicable researches have been proposed. Multi-site collaboration approaches could play a critical role in this progress. As the new generations of scientists, young researchers may want to pursue open science and multi-site collaboration approaches for conducting replicable research in the psychological and brain sciences.
Key words : multi-site collaboration; replicability; team science; open science
分类号 B849
DOI :10.16842/j.cnki.issn2095-5588.2019.05.004
通讯作者: 孔祥祯, E-mail: xiangzhen.kong@outlook.com
标签：多中心合作论文; 可重复性论文; 团队科学论文; 开放科学论文; Language and Genetics Department论文; Max Planck Institute for Psycholinguistics论文;