مدرسه علوم اعصاب اجتماعی همزمان با سیزدهمین کنگره علوم اعصاب پایه و بالینی برگزار می‌کند؛
◼️ پنل میان‌رشته‌ای "مسیرهای شناختی به سوی توسعه پایدار: از مغز تا اقدام جهانی"

▫️جمعه ۲۳ آذر، ساعت ۹:۴۵ الی ۱۱:۱۵
دانشگاه علوم‌ پزشکی ایران، مرکز همایش‌های رازی، سالن ۲

📤 کسب اطلاعات بیشتر و نام‌نویسی رایگان

تلگرام | لینکدین | سایت | یوتیوب | اینستاگرام

توی این مقاله به موضوع مهمی پرداخته شده که خیلی از تحقیقات حوزه تصویربرداری عصبی به اون نیاز دارن: چک‌لیست‌های گزارش‌گری. این چک‌لیست‌ها برای شفاف‌سازی، بازتولیدپذیری و اطمینان از دقت و صحت یافته‌ها طراحی شدن. محققین مقاله توضیح میدن که خیلی از پژوهش‌های تصویربرداری عصبی، مثل MRI یا EEG، به خاطر عدم گزارش درست جزییات روش‌ها، قابلیت تکرار ندارن و این باعث میشه نتایجشون کمتر معتبر باشه.
تو این مقاله اول توضیح داده میشه که چک‌لیست‌های گزارش‌گری دقیقاً چیا هستن و چه جوری می‌تونن توسعه پیدا کنن. هدف اینه که استانداردهایی تعیین بشه تا وقتی محققی گزارشی از یک تحقیق تصویربرداری می‌نویسه، حتماً جزییات ضروری رو ذکر کنه. مثلاً اطلاعاتی مثل طرح مطالعه، روش‌های جمع‌آوری داده‌ها، و چگونگی تحلیل داده‌ها. این چک‌لیست‌ها کمک می‌کنن که محققین دیگه بتونن مطالعه رو تکرار کنن و یافته‌هاشون رو مقایسه کنن.
یکی از نکات جالب مقاله اینه که نشون میده چطور هوش مصنوعی و مدل‌های زبانی بزرگ می‌تونن تو توسعه این چک‌لیست‌ها کمک کنن. مثلاً می‌تونن مقالات زیادی رو بخونن و بفهمن که کجاها مشکل گزارش‌دهی وجود داره و برای ساختن چک‌لیست بهتر، به محققین کمک کنن.
در کل مقاله روی این تمرکز داره که استفاده از چک‌لیست‌ها می‌تونه هم کیفیت مقالات علمی رو بالا ببره و هم این اطمینان رو ایجاد کنه که تحقیقات تصویربرداری عصبی می‌تونن دوباره بررسی بشن و به نتایج مشابهی برسن. اگر این روند همه‌گیر بشه، می‌تونه خیلی به بهبود پژوهش‌های حوزه عصبی کمک کنه و مشکلاتی مثل عدم شفافیت و خطاهای روش‌شناسی رو کم کنه.

Reporting Checklists in Neuroimaging: Promoting Transparency, Replicability, and Reproducibility

The primary problem space of this article is the lack of transparency, reproducibility, and reliability in neuroimaging research. This issue arises due to inconsistencies in reporting methods and practices, making it difficult to replicate findings and draw accurate conclusions.

The purpose of the article is to:
1. Define neuroimaging reporting checklists and their importance.
2. Discuss the core values that should guide checklist development.
3. Review existing neuroimaging checklists and their effectiveness.
4. Propose a development cycle for creating and implementing checklists.
5. Highlight the benefits of checklists in data repositories, education, and computational methods.
6. Encourage better adherence to existing checklists and the development of new ones to improve the quality and reproducibility of neuroimaging research.

آرتیفکت‌های EEG
https://www.learningeeg.com/artifacts

Learningeeg

Artifacts

Artifact on EEG is any signal that doesn't come from the brain itself; this includes electrical, movement, physiologic and many other kinds of artifact.