<div dir="ltr"><br><div class="gmail_extra">Hello Elana, <br><br></div><div class="gmail_extra">This depends a lot on what statistical test you did and how your data were acquired and processed. e.g., to take the simplest example: if you simply do t-tests at each sensor and don't correct for multiple comparisons, this certainly is 'false power' (it's extremely anti-conservative: it will get a lot of false positives). However, if you use cluster-based statistics, this is less of a concern, since sensors showing related activity likely get grouped together. The fieldtrip tutorial on cluster-based permutation testing has more information.<br></div><div class="gmail_extra">Even with that, there still are potentially related issues, for instance, if you recorded with axial gradiometers then a single dipole might show up as two clusters of sensors, whereas if you recorded with planar gradiometers (or transformed the data to the planar gradient) then a single dipole should only show up as one cluster.<br><br></div><div class="gmail_extra">What you are describing in your message is also possible (it's similar to calculating global field power, which people do do), but it throws away any spatial information from the signal. Which analysis is most appropriate for you really depends on the nature of the hypotheses you want to test.<br><br></div><div class="gmail_extra">Best,<br></div><div class="gmail_extra">Steve<br clear="all"></div><div class="gmail_extra"><div><div class="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><span><div><br><br>---<br></div>Stephen Politzer-Ahles<br>University of Oxford<br>Language and Brain Lab<br>Faculty of Linguistics, Phonetics & Philology<br><a href="http://users.ox.ac.uk/~cpgl0080/" target="_blank">http://users.ox.ac.uk/~cpgl0080/</a></span></div></div></div></div></div></div></div>
<div class="gmail_quote"><div> </div><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">
<br>
Message: 8<br>
Date: Mon, 29 Feb 2016 20:20:17 +0000<br>
From: "Harris, Elana" <<a href="mailto:Elana.Harris@cchmc.org">Elana.Harris@cchmc.org</a>><br>
To: FieldTrip discussion list <<a href="mailto:fieldtrip@science.ru.nl">fieldtrip@science.ru.nl</a>><br>
Cc: "Shahana, Nasrin \(Nasrin Shahana\)" <<a href="mailto:Nasrin.Shahana@cchmc.org">Nasrin.Shahana@cchmc.org</a>><br>
Subject: [FieldTrip] MEG sensors statistics<br>
Message-ID:<br>
        <<a href="mailto:B622DB18EE766C4BBAA34EA95310C34C5021AA68@MCEXMB3.chmccorp.cchmc.org">B622DB18EE766C4BBAA34EA95310C34C5021AA68@MCEXMB3.chmccorp.cchmc.org</a>><br>
Content-Type: text/plain; charset="utf-8"<br>
<br>
Dear All,<br>
<br>
I have the minimum, maximum and mean alpha power for each MEG sensor (found using MEGProcessor developed by Jing Xiang, MD, PhD) for 16 subjects, 8 of whom have a psychiatric condition and 8 are healthy comparison subjects.<br>
<br>
We find statistical significance when comparing the set all of the MLF or MRO sensors, for instance, between the groups (healthy and pathological), however, I am wondering if this is false statistical power as all of the sensors likely represent once source generator and not truly, multiple, separate, non-independent recordings. Would it be best to summarize each subject?s data with one number to represent the maximum alpha power for the group of MLF sensors and then compare the two groups of subjects?<br>
<br>
I welcome your advice.<br>
<br>
Thank you.<br>
<br>
Elana<br>
<br>
Elana Harris, MD, PhD<br>
Assistant Professor<br>
Division of Child & Adolescent Psychiatry<br>
Cincinnati Children?s Hospital Medical Center<br>
-------------- next part --------------<br>
An HTML attachment was scrubbed...<br>
URL: <<a href="http://mailman.science.ru.nl/pipermail/fieldtrip/attachments/20160229/598ee99d/attachment-0001.html" rel="noreferrer" target="_blank">http://mailman.science.ru.nl/pipermail/fieldtrip/attachments/20160229/598ee99d/attachment-0001.html</a>><br>
<br><br></blockquote></div><br></div></div>