FCMCI-LA resting-state functional connectivity
Formal results loaded - current result set

Network-partition analysis

三组差异在哪里，方向是什么，空间上如何表达？

面向 NC、CN-LA 与 MCI-LA 的静息态功能连接研究：以 Yeo7 网络分区为主推断，以平均连接为补充，以 Yeo17 子网络和顶点图谱为精细化与探索性证据。

38正式分析样本
3NC 18 / CN-LA 7 / MCI-LA 13
7Yeo7 网络，保留 DMN
17Yeo17 子网络探索
5,000顶点层面置换次数
STEP 01

限定分析样本

匹配 sub_good.list、人口学表、mean FD 与个体 FC 矩阵。仅纳入组别、年龄和 mean FD 均完整的受试者。

complete-case sample
STEP 02

计算分区指标

对每个 Yeo7 网络计算网络内、网络外及其差值；对 Yeo17 子网络计算其内部相对同一母网络其余部分的连接。

primary metric defined
STEP 03

标量组间推断

每项网络指标拟合校正后的组别模型，报告三组 omnibus F 检验和三项预设两两对比，并在清晰的假设家族内实施 BH-FDR。

network-level inference
STEP 04

顶点空间定位

对组平衡覆盖的顶点实施 Freedman-Lane 置换推断；以 BH-FDR 作为主定位标准，并保留全局 FWER 作为稳健性检验。

spatial refinement

Shared model

同一协变量框架，服务于两种尺度

Age + meanFD
Y = beta0 + beta1(CN-LA) + beta2(MCI-LA) + beta3(Age) + beta4(meanFD) + epsilonNC 为参照组；Y 为某一标量分区指标或某一有效顶点的 Fisher-z FC 指标。
  • 组别效应omnibus F 检验比较完整模型与仅含年龄和 mean FD 的简化模型，检验三个校正后均值是否完全相同。
  • 两两方向CN-LA_minus_NC = beta1；MCI-LA_minus_NC = beta2；MCI-LA_minus_CN-LA = beta2 - beta1。
  • 推断边界这是横断面校正后组间差异，不能直接表述为 LA 导致 MCI 或某网络改变导致认知下降。
基线统计的角色：描述进入模型的样本、年龄与头动背景，并不替代 FC 的组间模型，也不以“基线无差异”作为不纳入协变量的理由。

Evidence hierarchy

主结果与补充结果不混在一起

主分析

Yeo7 segregation_z：网络内连接相对网络外连接的差值。它最直接回答“网络分区是否改变”。

7 networks -> adjusted GLM -> BH-FDR within 7

补充分析

Yeo7 within_fc_z 与 between_fc_z：解释主效应更可能来自网络内增强/减弱，还是网络外增强/减弱。

mean connectivity is explanatory, not the primary claim

探索性分析

Yeo17 子网络分区与顶点层面图谱：定位更细的组织单元和皮层表面表达，需明确标注探索性属性。

subnetwork and vertex-level localization

Implementation integrity

正式推断之前，脚本首先保证“同一批数据、同一套参数”

修复后的顶点脚本将受试者、协变量、输入表、个体数组、置换次数、随机种子和分析版本写入一致性签名。输入变化或版本变化时，旧结果不会被悄然当作新结果使用。

Samplesubject IDs and groups
Inputstable and NPZ provenance
Modelcovariates and contrasts
Inferenceseed and permutations

Yeo7 scalar

平均网络连接

Within(N) = mean FC(i, j), i,j in N
Between(N) = mean FC(i, j), i in N, j not in N对角线不计入；均为个体层面的 Fisher-z FC 平均值。

作用：拆解网络分区改变的来源。它是补充性解释指标，而不是替代分区指标的主结论。

Yeo7 primary

网络分区指标

Segregation(N) = Within(N) - Between(N)更高值表示网络内部连接相对其与网络外连接更强；不等同于“绝对网络内连接更强”。

回答：某网络的内部整合相对外部耦合是否在组间不同。必须结合 Within 和 Between 才能解释其组成。

Yeo17 exploratory

子网络分区指标

SubSeg(S) = Within(S) - FC(S, parent N minus S)S 为一个 Yeo17 子网络，比较对象限定为其所属 Yeo7 母网络内的其余顶点。

回答：母网络内部是否存在更精细的子区域重组。该结果应作为探索性精细化证据报告。

Vertex-wise maps

三类顶点图分别在问什么

surface localization
图谱家族每个网络的顶点值解释层级
yeo7_node_seg网络 N 内某顶点与 N 内其余顶点的平均连接，减去该顶点与 N 外顶点的平均连接。主顶点分析：网络分区差异在该网络内部的空间位置。
yeo7_raw_seed_to_vertex网络 N 所有顶点与皮层每个顶点之间的平均连接。补充图谱：网络种子与全皮层连接的绝对差异，不是分区差值。
yeo17_subnetwork_seg子网络 S 内顶点的内部连接，减去其与同一母网络其余部分的连接。探索性图谱：母网络内部的子网络分区重组。

Interpretation safeguard

分区指标不是单一“连接增强”指标

  • 更高的 segregation_z 可以来自网络内连接增加、网络外连接减少，或两者同时发生。
  • 更低的 segregation_z 可以来自网络内连接减少、网络外连接增加，或两者同时发生。
  • 因此，每个显著分区结果都应回看对应的 within_fc_z 和 between_fc_z，再进行生物学表述。

Scalar inference

标量 GLM / ANCOVA 逻辑

primary starts here
Omnibus
比较完整模型与 Y ~ Age + meanFD，得到组别的 F、p 和 BH-FDR p。
Pairwise
以双侧 t 检验三个预设对比，并输出校正后差值 estimate_b_minus_a 和方向明确的 contrast 名称。
FDR scope
每个 atlas 层级、每个指标、每个 omnibus 或命名的两两对比构成独立 BH-FDR 家族。Yeo7 主分析每家族包含 7 个网络；Yeo17 探索性分析每家族包含 17 个子网络。
Presentation
优先报告 Yeo7 分区主分析；平均 FC 用于解释；Yeo17 结果明确写为探索性，避免将其与主结果等量齐观。

Contrast direction

正负号的唯一解释

CN-LA_minus_NC

正估计或正 t：CN-LA 高于 NC；负值：CN-LA 低于 NC。

MCI-LA_minus_NC

正估计或正 t：MCI-LA 高于 NC；负值：MCI-LA 低于 NC。

MCI-LA_minus_CN-LA

正估计或正 t：MCI-LA 高于 CN-LA；负值：MCI-LA 低于 CN-LA。

Omnibus F 没有方向。只有两两对比的 estimate/t 才可用于描述哪一组更高或更低。

Vertex-wise inference

组平衡覆盖、Freedman-Lane 与 BH-FDR

5,000 permutations
A

组平衡掩模

顶点须满足 NC ≥ 15/18、CN-LA ≥ 6/7、MCI-LA ≥ 11/13；不插值，只在该顶点的真实有效受试者中拟合。

18,450 candidate vertices
B

残差置换

在每个顶点的有效受试者内拟合 Y ~ Age + meanFD，置换简化模型残差并加回拟合值，构造协变量条件下的零假设数据。

Freedman-Lane
C

逐顶点 p 值

每次置换重新拟合完整模型，得到 omnibus F 或双侧两两对比 t 的置换 p 值；两两对比方向始终为命名中第二组减第一组。

permutation p
D

主判定与敏感性

在每个“图谱家族 × 预设对比”内，联合全部网络特征及覆盖合格顶点做 BH-FDR；全局最大统计量 FWER 仅作敏感性检验。

q < 0.05 primary

Multiplicity control

主定位标准与更严格敏感性标准

Monte Carlo 置换 p 值为 (1 + exceedances) / (1 + 5000)，最小可分辨 p 值为 1 / 5001。主定位对每个图谱家族和每个预设对比，将全部网络特征与覆盖合格顶点联合实施 BH-FDR；不对每张单独 seed 图分别 FDR。全局最大统计量 FWER 仍保存，用于说明结论在更严格空间控制下的稳健性。

Primary significant vertex: q_FDR < 0.05黑色轮廓表示 BH-FDR；p_FWER 是敏感性结果，不以连续色阶代替显著性。

Completed analysis | current result set

网络平均分区存在 MCI-LA 相对 NC 的选择性升高；未获得经校正的顶点级定位证据

所有标量模型均为 metric ~ Group + Age + meanFD；Yeo7 主分区指标在每个预设对比内跨 7 个网络实施 BH-FDR。结论描述横断面校正后组间差异，不构成疾病进展或因果推断。

N = 38NC 18 | CN-LA 7 | MCI-LA 13
2MCI-LA vs NC 的 Yeo7 分区 FDR 结果
0三类顶点图谱的 qFDR < .05 顶点
90.07%组平衡覆盖的 fsaverage5 顶点

Primary Yeo7 result

Somatomotor 分区存在总体组别效应

Somatomotor segregation_z 的 omnibus 组别效应通过 FDR：F(2,33) = 5.824，p = .0068，q = .0477。预设对比显示，MCI-LA 相对 NC 的分区更高：Δ = +0.0874 Fisher z，t(33) = 3.276，q = .0174。

Pre-specified pairwise result

Control 分区在 MCI-LA 相对 NC 时更高

Control segregation_z 的 MCI-LA − NC 对比通过该预设对比内的 7 网络 FDR：Δ = +0.0466，t(33) = 2.629，q = .0452。该网络的 omnibus q 未达 .05；这不否定预设的定向两两对比，因为 omnibus 是 2 自由度的不同问题，且本研究未将其设为两两对比的门槛。

Complete primary contrast

全部 Yeo7 网络：MCI-LA − NC 的分区差异

BH-FDR within 7 networks
网络校正后差值 Δt(33)未校正 pFDR q判读
Visual+0.05661.977.0565.0791正向趋势，未达阈值
Somatomotor+0.08743.276.0025.0174FDR 显著
Dorsal Attention+0.05121.717.0954.1113未达阈值
Salience/Ventral Attention+0.04042.044.0490.0791正向趋势，未达阈值
Limbic−0.0096−0.393.6971.6971未达阈值
Control+0.04662.629.0129.0452FDR 显著
Default Mode+0.04052.319.0268.0624正向趋势，未达阈值

读表原则：仅 Somatomotor 与 Control 可作为经 FDR 校正后的网络级发现。Visual、Salience/Ventral Attention 与 Default Mode 的方向为正，但不应在结果中称为显著。

Component interpretation

分区升高由什么构成？

网络 / 指标MCI-LA − NC ΔFDR q严格解释
Somatomotor within FC+0.1032.0520与分区升高方向一致，但未跨越 FDR 阈值
Somatomotor between FC+0.0158.5688无单独网络外 FC 差异证据
Control within FC+0.0273.3539未定位到单独组成来源
Control between FC−0.0193.5688未定位到单独组成来源

解释边界：Somatomotor 的结果在数值上主要伴随更高的网络内 FC，但其 within FC 的 q = .0520，故只能作为方向性拆解。Control 的分区差异不能归因于某一项组成指标；差值指标可因 within 与 between 的受试者内相关而具有更高精度。

Yeo7 MCI-LA minus NC adjusted effects forest plot
图 1. MCI-LA 相对 NC 的协变量校正网络平均 FC 差异。点为调整后差值，横线为 95% CI；右列为主分区指标。该图用于展示效应量和不确定性，正式显著性以 CSV 中的预设 FDR 结果为准。

Negative and precision results

CN-LA、Yeo17 与顶点层面的结果如何定位

report, do not overstate

CN-LA 相关对比

Yeo7 中 CN-LA − NC 以及 MCI-LA − CN-LA 的分区对比均未通过 FDR。CN-LA 样本量为 7，区间精度较低；本结果不能支持或排除早期阶段差异。

Yeo17 子网络

17 个子网络的标量结果均未通过其探索性 FDR。最小的 MCI-LA − NC 标量 q 为 .0788（Somatomotor A 的 between FC），因此不报告任何 Yeo17 显著子网络。

顶点级定位

三类图谱均无 qFDR < .05 顶点，也无 global-FWER 顶点。Yeo7 主分区在 MCI-LA − NC 中最小 q = .0650，仍未达阈值，故没有可报告的显著皮层定位。

Spatial inference audit

顶点级阴性结果不是覆盖不足造成的

18,450组平衡覆盖顶点
90.07%fsaverage5 皮层覆盖
5,000Freedman-Lane permutations
0qFDR / FWER 显著顶点

Yeo7 node segregation、Yeo7 raw seed-to-vertex 与 Yeo17 subnetwork segregation 分别联合校正 18,450、129,150 与 18,450 个合格检验。网络平均指标可检出跨大量连接汇总后的稳定组间差异；当前数据尚不足以支持这些效应稳定定位至特定皮层顶点。

Conference-ready conclusion

可用于结果汇报的核心表述

在控制年龄与 mean FD 后，MCI-LA 组相较 NC 组表现出更高的 Yeo7 Somatomotor 与 Control network segregation。Somatomotor 的总体组别效应通过 FDR 校正，且其 MCI-LA − NC 对比为 +0.0874 Fisher z；Control 的预设 MCI-LA − NC 对比亦通过 FDR。顶点级空间定位和 Yeo17 细分网络分析均未获得经校正的显著结果。

Scientific boundary

不能超出数据的结论

  • 横断面组间差异不能证明 NC、CN-LA 与 MCI-LA 之间存在个体层面的必然进展轨迹。
  • 不能将 Somatomotor 的方向性 within FC 线索写成独立的 FDR 显著结果。
  • 没有顶点级 qFDR 结果时，连续表面色彩图不能被表述为“显著脑区”。
  • Yeo17 与 raw seed-to-vertex 的结果用于精细化或描述性语境，不能提升为主发现。

Supplementary visual record

完整结果图册：效应量、覆盖质控与顶点图谱

本页将正式网络级结果与补充图分层保存。森林图展示网络平均指标的效应量与 95% CI；覆盖图说明顶点分析的可用范围；所有顶点图均为连续 F/t 图，且当前结果中没有任何 qFDR < .05 或 global-FWER 显著顶点。

Network-level effects

三项预设两两比较的完整森林图

effect size + 95% CI
MCI-LA minus NC Yeo7 adjusted effects
MCI-LA − NC. 主结果所在的对比；Somatomotor 与 Control segregation 通过各自预设对比内的 7 网络 FDR。
CN-LA minus NC Yeo7 adjusted effects
CN-LA − NC. 三类 Yeo7 指标均无经 FDR 校正后的网络级结果；CN-LA 样本量为 7。
MCI-LA minus CN-LA Yeo7 adjusted effects
MCI-LA − CN-LA. 三类 Yeo7 指标均无经 FDR 校正后的网络级结果。

个体分布补充图：打开 Yeo7 within FC、between-network FC 与 segregation 的三组个体散点 PDF。该图展示原始个体值；正式组间推断仍以协变量校正模型及 FDR 结果为准。

Minimum vertex availability proportion across NC CN-LA and MCI-LA
图 S1. 三组中的最小顶点有效比例。正式顶点分析仅保留各组至少 80% 受试者有效的顶点，即 NC ≥ 15/18、CN-LA ≥ 6/7、MCI-LA ≥ 11/13。

Coverage audit

顶点图谱的解释前提

Any-subject coverage
18,715 / 20,484 个顶点（91.36%）至少在一名分析受试者中可用。
All-subject intersection
13,234 个顶点（64.61%）在全部 38 名受试者中共同有效；正式分析不采用这一过度严格标准。
Formal mask
18,450 个顶点（90.07%）满足组平衡 ≥80% 覆盖标准，并在每个顶点内仅使用真实有效观测进行拟合。
Interpretation
顶点级阴性结果应理解为未获得可定位的校正后证据，而非由过小的共同掩模或缺失值插补造成。

Additional coverage QC

顶点可用性的完整质控图

coverage provenance
Vertex coverage category map
图 S2. 顶点可用性类别：全部受试者有效、仅部分受试者有效或所有受试者均不可用。
Number of valid participants per vertex
图 S3. 每个顶点的有效受试者数；该图展示顶点间可用性差异，不用于替代组平衡正式掩模。
Minimum group-valid proportion across groups
图 S4. 三组中的最小有效比例；≥80% 组平衡覆盖规则据此界定正式顶点推断范围。

Vertex-wise atlas gallery

所有顶点图按图谱家族与对比展开

continuous maps only

展开后才加载对应图像，以保持页面流畅。图内连续颜色表示 F/t 统计量；黑色轮廓仅在 qFDR < .05 时出现。当前三类图谱均无黑色 FDR 轮廓，因此这些图仅用于完整记录空间效应模式，不能作为显著脑区证据。

Supplement use rule

图册服务于可复核性，不扩大结论

  • 网络层面的 FDR 结果是本研究的正式发现；补充图不改变证据层级。
  • 未阈值化 surface 图可帮助核查空间模式，但不能在口头汇报或论文中标为显著皮层区域。
  • Yeo17 图谱为探索性细分结果，应与 Yeo7 主分析分开描述。