In dit onderzoek is er gekeken of het toevoegen van corticale oppervlakte bovenop traditionele atrofiemetingen leidt tot een hogere classificatie-accuratesse van de ziekte van Alzheimer (ZVA). Voor...Show moreIn dit onderzoek is er gekeken of het toevoegen van corticale oppervlakte bovenop traditionele atrofiemetingen leidt tot een hogere classificatie-accuratesse van de ziekte van Alzheimer (ZVA). Voor de classificatie van ZVA kan er gekeken worden naar corticale atrofie met behulp van structurele MRI. Corticale oppervlakte zou zowel als onafhankelijke maat als gecombineerd met andere hersenmaten nauwkeuriger ZVA kunnen classificeren. Voor het testen van deze hypothese was er een steekproef van 249 participanten. Deze bestonden uit twee groepen: een ZVA groep (76) en een controle groep van ouderen (173). Voor de analyse werd een logistische regressie uitgevoerd met een LASSO penalty voor drie modellen. Gezien de vele variabelen werd de LASSO penalty gebruikt om de kans op overfitten te verkleinen. In het eerste model zaten alleen de traditionele atrofie maten (corticale dikte, subcorticale volumes en grijze stof dichtheid). Het tweede model bevatte alleen corticale oppervlakte. Het laatste model was een gecombineerd model van de traditionele atrofie maten en corticale oppervlakte. Na de analyse bleken de traditionele maten (AUC = 0.93) en het gecombineerde model (AUC = 0.92) accuratere modellen te geven dan corticale oppervlakte (AUC = 0.56). Bij de interpretatie van het gecombineerde model bleek ook dat corticale oppervlakte weinig bijdroeg. Dit toont aan dat corticale oppervlakte niet leidt tot een hogere classificatie-accuratesse voor ZVA bovenop traditionele atrofie maten. Ook is corticale oppervlakte op zichzelf geen goede maat voor ZVA classificatie. De ongelijke groepsgroottes en multicollineariteit zou eventueel invloed kunnen hebben gehad op deze uitkomst.Show less
Deze bachelor scriptie onderzocht of het mogelijk was om een model met een kleiner aantal voorspellers te maken voor het classificeren van Alzheimer aan de hand van atrofiematen berekend met behulp...Show moreDeze bachelor scriptie onderzocht of het mogelijk was om een model met een kleiner aantal voorspellers te maken voor het classificeren van Alzheimer aan de hand van atrofiematen berekend met behulp van MRI-scans. Er is gebruikgemaakt van voorspellers uit drie datasets en er werd gekeken naar welke voorspellers daarvan in het model zouden komen. De gestelde hypothesen waren als volgt: 1) het is mogelijk om een simpeler model te maken met dezelfde of zelfs hogere accuratesse en 2) de hippocampus is een van de voorspellers in beide modellen. Er werd gewerkt met een LASSO logistische regressie met een strengere en een minder strenge penalty. Door de penalty’s werden minder relevante voorspellers buiten het model gehouden. Uit de resultaten bleek dat het model met 21 voorspellers een accuratesse had van AUC=0.92. Het simpelere model met slechts 8 voorspellers had een accuratesse van AUC=0.91. Hiermee kon de eerste hypothese niet bevestigd worden. De tweede hypothese werd wel bevestigd, aangezien bij beide modellen de hippocampus deel uitmaakte van de voorspellers. Ondanks dat het simpelere model minder accuraat bleek te zijn dan het complexere model, was het verschil tussen beide accuratessewaardes erg klein. Daarbij telde het simpelere model slechts 8 voorspellers in tegenstelling tot 21. Dit simpelere model zou voordelig kunnen zijn voor verder onderzoek naar classificatie van Alzheimer, omdat er hiermee minder atrofiematen berekend hoeven worden. Dit is gunstig omdat de diagnose van Alzheimer sneller kan worden gesteld, de benodigde hulp sneller kan worden verleend en overbodige kosten zo worden vermeden.Show less
In the paper of Wessel et al. (2020), a multiverse analysis is performed, in four samples. Wessel et al. (2020), had a main hypothesis regarding the suppression effect. This suppression effect was...Show moreIn the paper of Wessel et al. (2020), a multiverse analysis is performed, in four samples. Wessel et al. (2020), had a main hypothesis regarding the suppression effect. This suppression effect was tested by a think/no-think task. The researchers of Wessel et al. (2020), expected that compared to never-suppressed targets (baseline), participants would recall a lower percentage of targets that were to be suppressed. This suppression effect was expected to occur for cues that were part of the original study context (SP test), and for cues that were semantically related to the words in the original study context (IP test). The researchers of Wessel et al. (2020), tested this suppression effect in a multiverse analysis. They performed a dependent samples t-test on all outlier criteria and a Wilcoxon signed-rank test without the outlier criteria. A reproduction of the results found in the dependent samples t-test and Wilcoxon signed-rank test of Wessel et al. (2020), had been done. Then another multiverse analysis was performed, with different analytic choices than in the paper of Wessel et al. (2020), to see if by choosing other analytical pathways findings would become statistically more significant. As alternative analytical pathways, logarithmic transformation was added on the dependent variable of the dependent samples t-test and the Wilcoxon signed rank test on all outlier criteria was performed. The results showed no real evidence for the suppression effect. All of the p-values found in the multiverse analysis were not statistically significant.Show less