多中心合作和可重復的心理與腦科學研究

孔祥禎

摘?要?心理與腦科學研究結果的可重復性問題近年來備受關注。這一問題的根源一般被認為有兩個方面：客觀存在的方法學問題和研究者有意或無意的可疑研究操縱。開展可重復的心理與腦科學研究已經為越來越多的研究者所接受和推崇，正在成為新的趨勢。本文從多中心合作的視角，就多中心合作研究模式在開展可重復的心理與腦科學研究中的應用和發展，以及應用過程中需要注意的問題展開討論。希望國內心理與腦科學同行，尤其是年輕研究者加強多中心合作研究相關的方法學訓練，以更開放的心態聯合起來，開展穩健、可重復的心理與腦科學研究。

關鍵詞?多中心合作;可重復性;團隊科學;開放科學

分類號?B849

DOI： 10.16842/j.cnki.issn2095-5588.2019.05.004

近年來，研究結果的可重復性問題在心理與腦科學和醫學等多個領域備受關注（Benjamin et al.， 2018; Freese & Peterson， 2017; Ioannidis， 2005; Munafo et al.， 2017; Poldrack et al.， 2017; Prinz， Schlange， & Asadullah， 2011; Schooler， 2014）?？紤]到研究對象、實驗范式和研究問題的復雜性（比如，人的心理狀態隨所處環境而變化），以及客觀存在的出版偏見等因素，心理與腦科學研究中一些結果未被成功重復的原因是復雜的。比如，小樣本研究帶來的效應量被高估問題，以及重復實驗與原實驗中不同群體的樣本導致的數據偏差，都可能導致研究結果的重復失敗（Button et al.， 2013; LeWinn， Sheridan， Keyes， Hamilton， & McLaughlin， 2017; Munafo et al.， 2017）。同時，研究過程中存在的一些有意或無意的可疑操縱（problematic practices）也被認為是可重復性問題的重要原因（駱大森， 2017; Aarts et al.， 2015; Benjamin et al.， 2018; Munafo et al.， 2017; Simmons， Nelson， & Simonsohn， 2011）：在實驗報告中選擇性地報告數據分析過程和研究結果是這種陋習中的典型例子。目前，我們很難明確一些研究結果不可重復的具體原因，但是開展可重復的心理與腦科學研究已經為越來越多研究者所接受和推崇，并逐漸成為新的趨勢（Gorgolewski & Poldrack， 2016; Munafo et al.， 2017; Poldrack et al.， 2017）。針對如何開展可重復的心理與腦科學研究，一些研究者從方法學和實踐的角度進行了諸多討論，比如，數據采集前的樣本預估，研究預注冊（preregistration），陰性結果發表、數據共享等（胡傳鵬， 王非， 過繼成思， 宋夢迪， 隋潔， 彭凱平， 2016; 駱大森， 2017; 朱瀅， 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），即針對同一感興趣問題、多個同行一起開展的多中心數據采集和匯總研究的模式，在開展可重復的心理與腦科學研究中的應用和可能存在的問題總結相關經驗并提出對應建議。下文將從多中心合作研究的優勢、應用和數據來源，以及應用過程中可能存在的挑戰等多個方面展開（圖1）。

1?多中心合作的優勢

第一，累積樣本，提高統計效力。通常情況下，由于研究問題的特殊性，以及測量手段的不完美，心理與腦科學研究問題的效應量往往較小。因此，為了成功檢測到如此細微的效應，必然需要更多的樣本量 。在單一中心的研究資源有限的情況下，往往只能開展小樣本研究，在這種情況下，即使可以發現顯著效應，也往往會造成對效應的高估，甚至可能只是假陽性結果。比如，2013年，Button等在發表在《自然評論：神經科學》的論文中系統討論了這一問題，并將該由小樣本導致的可重復性問題稱為統計效力不足（Power Failure）。而通過多中心合作可以有效地累積樣本量，以提供檢測到細微效應的統計效力。此外，在可重復性的驗證研究中，采用多中心合作的模式對于提高統計效力尤其具有優勢。目前心理學的重復驗證實驗，除了采用預注冊增加透明程度之外，基本上都采用了多中心的模式，不管是美國心理學會（Association of Psychological Sciences， APS）組織的注冊重復報告（Registered Replication Report， RRR）， 還是多實驗室合作項目（ManyLab）。

第二，提高研究結果的可重復性。由于小樣本研究往往會高估感興趣的效應量，甚至導致假陽性結果，從而導致可重復性問題。通過多中心合作，在量上增加樣本量的同時，可以獲取多樣的數據，從而更準確地估計樣本量，提高結果的可靠性。

第三，提高研究結論的可推廣性。小樣本研究得到的結論往往僅適用于某個特定群體，可推廣性有限。而由于更可能從更多樣的群體獲取數據，基于多中心合作模式得到的結論具有更大的可推廣性。

第四，探索感興趣效應的異質性。由于心理與腦科學研究問題的復雜性，實驗樣本的構成（比如，早期成長經歷和年齡分布）可能改變觀測到的感興趣效應。通過多中心合作的研究模式，可以為探索效應的異質性與樣本變異之間的關聯提供可能性。最近，ManyLab項目針對效應的異質性問題，通過一項全球的多中心合作研究，系統探索了樣本構成的變異在效應異質性中扮演的角色（Klein et al.， 2018）。

第五，進一步探索不可重復問題的解決方案。雖然可重復性問題備受關注，但由于可靠實驗數據的缺失，實際上，究竟是什么導致了一些研究的不可重復我們并不清楚。比如，由于沒有原研究的原始數據，同時學術出版不可避免地存在出版偏見，基于現有方法我們并不能明確知道后續研究不能重現原研究結果的原因：是原研究中存在有問題的數據分析或選擇性報告，還是重復樣本和原樣本之間存在內在偏差？而通過針對同一研究問題的數據采集并匯總，多中心合作可以有效避免一些有問題的數據分析和報告做法，進而考察在完全不存在這些問題時，特定效應的可重復性會如何（可以稱為僅由測量和樣本偏差導致的“固有可重復性”），以探索不可重復問題的解決方案。

2?多中心合作在中國

目前，國際上存在多個基于多中心合作研究模式的心理與腦科學相關的項目（表1）。比如，ENIGMA聯盟項目（http：//enigma.ini.usc.edu/）， 該項目由美國南加州大學神經科學家Paul Thompson發起，以多中心合作的模式，將來自200多個中心的近千名研究者聚集在一起;ENIGMA聯盟目前有近40個工作組（Working Group），旨在探索大腦結構和功能的個體差異，以及與遺傳和疾病之間的關聯;該項目的系列研究成果發表在《自然》《自然-神經科學》《自然-遺傳學》《分子精神病學》《生物精神病學》《美國精神病學》和《美國科學院院刊》等高影響力學術期刊，并由《科學》期刊做了主題報道（Guglielmi， 2018）。開放科學協作組發起了針對三個心理學重要期刊中發表的100個研究結果的重復研究項目，共270名研究者參與了該項目;項目成果于2015年發表在《科學》期刊上（Aarts et al.， 2015），引發了研究者對心理學研究可重復性問題的關注和擔憂，3年內被引用2000余次;同時，該組織主要研究者為了進一步推廣透明、開放、可重復的研究，搭建了開放科學平臺開放科學框架（Open Science Framework），并成立了開放科學中心（Center for Open Science）。其他多中心合作心理學與腦科學項目還有ADNI（Alzheimer's Disease Neuroimaging Initiative），千人功能連接組計劃（1000 Functional Connectomes）， IMAGEN項目， CHARGE聯盟， PING計劃， ABCD計劃， ManyLab項目和心理學加速器項目（表1）。

中國心理與腦科學研究者不僅參與到了國際多中心合作的項目中，而且作為主要貢獻者發起了一些重要的多中心合作項目和研究。

CoRR項目?中國科學院心理研究所左西年研究員參與了千人功能連接組計劃，并發起了以中國研究者為主導的國際神經影像大數據共享計劃“國際信度與可重復性聯盟”（表1）。該項目搭建了一個用于評估腦功能和結構連接組重測信度和可重復性的多數據集開放科學資源。

北京老年腦健康促進計劃BABRI?北京老年腦健康促進計劃（表1）由北京師范大學認知神經科學與學習國家重點實驗室張占軍教授課題組發起，該計劃聚焦癡呆的早期防控，以認知老化為切入點，計劃在20年內搭建覆蓋10000名老年樣本的多模態神經影像數據數據庫。項目發起后，已有多家科研臨床單位相繼加入該計劃。

CHIMGEN項目?CHIMGEN的全稱是中國影像遺傳學研究計劃（表1），由天津醫科大學總醫院于春水教授牽頭設計，并依托中華醫學會神經放射學專業委員會實施，共有國內30家知名高校或醫院參與。該計劃擬通過多中心模式收集10000個漢族健康青年人的遺傳、環境、腦影像和認知相關數據，用于探索遺傳和環境因素影響人類高級認知功能的機制問題。該項目完成后，將是目前國內規模最大的多中心腦影像遺傳學數據庫，也將成為國際上規模最大的腦影像遺傳學數據庫之一。

REST-meta-MDD項目?REST-meta-MDD的全稱為“抑郁癥靜息態功能磁共振多中心數據薈萃分析計劃”，由中國科學院心理研究所嚴超贛研究員主導發起（Yan et al.， 2018）。 該項目旨在通過多中心合作的方式，采集并匯總基于靜息態功能磁共振成像測量指標，探索與抑郁癥相關的腦功能異常。項目發起階段，由來自全國17家醫院的25個研究組參與。該項目在腦影像數據的采集和數據分析的標準化上做了很多努力，為后續多中心大數據合作提供了重要參考。

中國腦模板和圖譜計劃?Chinese2020 中國腦模板和圖譜計劃（表1）旨在構建更為精細的中國人3D腦結構圖譜和白質纖維腦圖譜。項目由首都醫科大學宣武醫院李坤成教授牽頭發起，多中心、多學科團隊來自全國13家單位，擬收集一組1000名健康被試的多模態磁共振影像數據。

這里僅根據筆者觀察，羅列幾項。此外，中國研究者主導或參與的多個多中心合作研究發表在高影響力期刊，其中包括復旦大學教授類腦智能科學與技術研究院馮建峰教授（Cheng et al.， 2016），北京師范大學心理學部劉嘉教授（Kong et al.， 2018），西南大學心理學部邱江教授（Beaty et al.， 2018; Cheng et al.， 2016; Kong et al.， 2018），中國科學院自動化研究所隋婧研究員（Kong et al.， 2018），中國人民解放軍國防科技大學曾令李教授（Zeng et al.， 2018），上海交通大學醫學院附屬精神衛生中心王振教授（Boedhoe et al.， 2017）， 和昆明醫科大學第一附屬醫院程宇琪教授（Boedhoe et al.， 2017; Kong et al.， 2018）等眾多研究者及其科研團隊。

3?多中心合作研究的數據來源

多中心合作研究的關鍵是數據。從上述列舉的多中心合作項目可以看出，其中既有多個研究機構參與的大規模數據采集項目，也有基于特定研究問題發起的數據匯總分析項目。開展多中心合作項目大致有以下幾類數據獲取方式。

第一，研究機構或研究者間的合作。研究者可以通過參與現有的多中心合作項目（比如，ENIGMA和心理學加速器項目），或根據感興趣的研究問題發起新的合作項目，比如，REST-meta-MDD項目（Yan et al.， 2018）、人類“企鵝”項目（Human Penguin Project）（Hu et al.， 2018; IJzerman et al.， 2018）、感動情緒的跨國研究（Zickfeld et al.， in press），以獲取多中心數據，用于匯總分析。

第二，數據共享平臺。越來越多的研究者傾向于在論文發表的同時，將原始數據或預處理后的數據公開供其他研究者下載。研究者可以根據感興趣的研究問題，查詢現有的數據共享數據庫（比如，腦影像相關的數據庫OpenfMRI和OpenNeuro），以獲取多個數據集。同樣，可以考慮將自己現有的數據上傳到數據共享平臺，同時也可以將數據描述以學術論文的形式發表在數據描述相關的期刊（比如， Scientific Data和GigaScience）上，一方面可以更充分地利用和挖掘現有數據資源，同時為多中心合作研究提供更多可能性。此外，一些大型的數據采集項目也往往會搭建數據平臺，并向研究者開放，比如，人類連接組計劃HCP（The Human Connectome Project）和英國生物樣本庫UKBiobank，以及中國人社會科學相關的大型社會調查項目：中國家庭追蹤調查CFPS和中國健康與養老追蹤調查CHARLS。

第三，文獻檢索。針對感興趣的問題，檢索相關領域已發表的論文，并有針對性地聯系作者，詢問數據合作的可能性。比如，為了全面的刻畫海馬與空間導航能力之間關聯，有研究者收集了采用相關數據的已發表論文，并與論文作者取得聯系， 尋求合作（Weisberg， Chatterjee， & Newcombe， 2018）。

第四，社交網絡。研究者也可以通過社交網絡發布自己感興趣的研究問題，一方面可以彌補在文獻檢索中缺失的文獻，同時可以尋求更多的合作可能性。

第五，搭建國內外同行合作平臺?？梢詫μ囟▎栴}感興趣的國內外同行聚集在一起，搭建開放科學合作平臺?；诖似脚_，研究者可以發布感興趣的研究問題，以更有效地尋求多中心合作的可能性。比如，考慮到基于單一數據集的腦影像個體差異研究的可重復性問題，可以聚集一批關注腦影像測量和行為個體差異關聯的研究者，成立一個聯盟組織（權且將其命名為“中國腦個體差異研究計劃”），促進相關領域多中心合作研究的發展。

對于研究資源有限的學生或年輕研究者，發起大規模的數據采集項目可能還存在限制。但是，年輕研究者可以以更開放的心態聯合起來，相互支持，同時充分利用共享數據庫和社交網絡，以開展一些有影響力的多中心合作研究。下面是在多中心合作研究開展過程中常見的幾個注意事項。

4?多中心合作研究的挑戰

第一，信息溝通和項目管理。多中心合作研究由于涉及到多個研究者或研究機構參與，有效地信息溝通和項目管理極為重要。目前可以采用一些現有的協作工具（比如，開放科學框架）輔助多中心合作的項目管理。隨著多中心合作研究項目開展的不斷增多，也可以針對特定項目需求開發更為高效的協作平臺。

第二，數據共享協議。多中心合作研究主要是基于多中心的數據展開，其中往往涉及到數據共享。在數據共享時，一方面需要遵守學術研究倫理，確保被試隱私不被泄露;同時需要最大限度的共享數據，以充分利用數據資源。更重要地，在共享數據前，需要明確數據共享協議，避免不必要的麻煩。比如，在協議中明確限定，相應數據僅限用于指定項目，且不可給第三方使用。

第三，數據共享和質量控制。數據共享和質量控制是多中心合作研究執行過程中的關鍵環節。少量的數據共享相對靈活，可以采用郵件等方式完成共享;對于大規模的數據共享，可以采用網盤等方式進行。這些方式在一般性的項目中是可行的，但是其中往往涉及到大量的郵件往來，將數據共享環節融合到專業的協作平臺可以極大地提高工作效率。同時，文件傳輸過程中可能發生的文件損壞現象也會給后續數據分析帶來不必要的困擾，可以采用特定的方式確保文件完整（比如md5sum）。此外，由于數據采集來自于不同中心，在開展數據分析前進行系統的質量控制（比如針對腦影像數據的質量控制）是至關重要的。

第四，數據分析和可視化。與單一中心研究不同，多中心合作研究的數據分析往往涉及一些特異于該類型研究的問題，比如，如何匯總來自多中心的數據。通常情況下，可以根據可能的數據共享限制（比如，是否共享個體數據，還是只能共享統計結果），選擇基于單中心統計結果的meta分析或基于匯總的個體數據的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， Mchler， Bolker， & Walker， 2015），二者均為R工具包。值得注意的是，在基于匯總的個體數據的mega分析中，往往需要在模型中控制不同“數據集”帶來的混淆效應，即模型中加入“數據集”作為隨機效應項。此外，在研究中涉及大量數據分析和比較時，除通過可視化手段將主要結果呈現在論文中，其他結果可以以網頁的形式上傳到網上，以方便讀者查詢獲取更多信息;GitHub Pages提供了一種方便且免費的項目管理和展示網頁服務（https：//pages.github.com/）， 此外Jupyter Notebook（https：//jupyter.org/）和Shiny應用（https：//shiny.rstudio.com/）也提供了類似的功能。

第五，論文寫作和投稿。在涉及多個研究者參與時，論文的寫作和修改可以有不同的模式：可以是主要研究者負責論文寫作，其他研究者參與其中;或多個研究者并行完成論文寫作。前者的情況可能更為普遍。不管怎樣，可以充分利用一些網絡協作平臺（比如，Google Docs），以更高效地完成論文寫作。論文投稿要經過所有署名作者的同意，作者信息和授權可以采用一些網絡工具完成，比如在線調查工具或Google Forms等。此外，論文通常涉及數十甚至數百作者署名，作者列表和單位管理也是多中心合作研究中存在的一項挑戰，由于目前還沒有專門的管理工具，需要研究者手動處理或通過編程實現。

總之，在心理與腦科學研究結果可重復性問題備受關注的今天，開展透明、開放、可重復的研究更顯得至關重要。這一重要性，一方面體現在嚴謹的科學研究可以促進我們對人的心理與腦結構和功能的認識;同時也體現在，在這一趨勢下透明、開放、可重復的研究成果為越來越多研究者所推崇，并更可能發表在高影響力的學術期刊上。在開展可重復的心理與腦科學研究的新趨勢下，多中心合作研究模式以其在更大的樣本量、更多樣的樣本和更穩定可靠的研究結果等方面的優勢，扮演著重要的角色;同時，該研究模式有助于探索和揭示目前研究者面臨的可重復問題的根源，促進研究者探尋根本的解決方案。近年來，心理與腦科學多中心合作項目迅速發展，但仍有很大的發展空間（Olds， 2016）。建議國內心理和腦科學同行，尤其是學生和年輕研究者，加強團隊科學意識和多中心合作研究相關的方法學訓練;參與到合作項目中去，針對特定問題開展合作研究;以更開放的心態聯合起來，通過積極組織和參與多中心合作研究，做出一些有影響力的研究成果，促進國內心理學相關學科健康發展。

參考文獻

胡傳鵬， 王非， 過繼成思， 宋夢迪， 隋潔， 彭凱平（2016）. 心理學研究中的可重復性問題： 從危機到契機. 心理科學進展， 24（9）， 1504-1518.

駱大森（2017）. 心理學可重復性危機兩種根源的評估. 心理與行為研究， 15（5）， 577-586.

朱瀅（2016）. “開放科學數據共享軟件共享”， 你準備好了嗎？心理科學進展， 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.， Mchler， 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.