儿童语义认知功能磁共振成像研究的元分析

总结：

摘要

1. 引言

2. 材料与方法

2.1 文献搜索

图1  文献搜索流程

图2  元分析方法

本研究采用了两种元分析方法（激活似然估计和基于种子点的d映射）来确定与儿童语义认知相关的fMRI激活峰值的重叠。通过执行减法分析、连结分析和元回归分析，我们检验了调节变量（例如，语义任务类别、平均年龄）的影响，并将我们的结果与以往在成人样本中获得的发现进行比较。最后，我们进行了留一法和失效安全N分析，以探究元分析结果对不同类型出版偏倚的稳健性。所有分析的Python代码可在可补充材料中找到，链接为https://osf.io/34ry2/。FWE = 家族错误率，Fig. = 图。

2.2 激活似然估计

这种分层程序将纳入的实验视为所有可能实验的随机子样本，因此允许在感兴趣的主题上对可能的fMRI实验群体进行泛化。这些体素水平ALE值的统计显著性是通过将它们与Eickhoff等人（2012）描述的分析推导的零分布进行比较来确定的。为了校正多重比较，FWE校正程序已被证明在控制I型错误率和统计功率之间提供了极佳的权衡。

在本次分析中，这些步骤是使用Python（版本3.8.8）中的Ni-MARE包（版本0.0.9）执行的。如有必要，坐标会使用icbm2tal转换函数从Talairach空间转换到MNI空间。模拟的激活图以2×2×2毫米的分辨率在MNI152空间中呈现。对于统计阈值设定，使用了体素水平团块形成阈值p<.001（未校正）和团块水平阈值p<.01（FWE校正）。这一团块水平阈值是通过将观察到的团块大小与从灰质模板中随机抽取峰值位置的1000次迭代中构建的经验分布进行比较来确定的，并记录了最大团块大小。Nilearn包（版本0.7.1）用于图像处理和绘图，而解剖自动标记图谱（AAL2）如在AtlasReader包（版本0.1.2）中，用于解剖学标记。

2.3 基于种子点的d映射

虽然ALE估计了报告的激活峰值的空间汇聚，但另一种方法是使用这些峰值的效应量（如果可用）来推断每个灰质体素的元分析效应量。这种方法更接近于传统的行为或临床结果的元分析，并且由基于种子点的d映射（SDM）算法使用。简而言之，它基于峰值坐标及其报告的效应量（t分数或z分数）确定可能效应量图像的下限和上限。然后，使用一种校正非统计显著未报告效应的元分析方法来推断最合理的效应量及其标准误差，该方法基于对审查信息的多次插补。随后，所有插补的数据集分别进行元分析，并使用Rubin的规则进行合并。在统计阈值设定方面，通过将体素水平的观察效应量与从随机排列构建的经验效应量零分布进行比较，对生成的元分析图进行FWE校正。

SDM算法在与ALE分析相同的实验和峰值坐标上使用，但如果可用，还会添加它们报告的t分数或z分数（后者转换为t分数，df = n儿童-1）。数据通过SDM-PSI软件（版本6.21，https://www.sdmproject.com）预处理，使用其默认的灰质相关模板，体素大小为2×2×2毫米，并使用高斯平滑核（各向异性α = 1.0，FWHM = 20毫米）。

基于效应量的SDM算法使得（a）可以探究ALE结果对于元分析方法变化的稳健性，以及（b）通过协变量分析手段对纳入实验之间的系统差异进行统计控制。请注意，后一种类型的分析在ALE这样的方法中是不可能的，因为它忽略了报告峰值的效应量，而是将它们视为二元的。为了实现这两个目标，我们计算了两个独立的模型：（a）一个不含任何协变量或预测因子的均值基础元分析（如ALE分析），以及（b）一个控制四种不同实验级别混扰的均值基础元分析（实验语言 [0 = 德语，1 = 荷兰语，2 = 法语，3 = 英语，4 = 日语，5 = 普通话]，呈现方式 [0 = 视觉，1 = 视听，2 = 分开的视觉和听觉，3 = 听觉]，响应方式 [0 = 无响应，1 = 手动响应，2 = 默读，3 = 朗读]，数据分析软件 [0 = SPM，1 = FSL，2 = 其他]）。两个模型均使用50次随机插补进行估计，统计阈值设定采用体素水平FWE校正的p < .001和团块范围阈值k > 25个相连体素（200立方毫米）。

2.4 语义任务类别之间的差异

除了映射与儿童一般和任务特定语义认知相关的皮层网络外，还进行了元分析减法分析，以测试三种不同任务类别（即知识、相关性和对象）之间的可靠差异。对于这种类型的分析，一个ALE图（例如，语义知识实验的图）从一个ALE图（例如，语义相关性和视觉对象类别实验的合并图）中减去。然后，将得到的差分图与通过将原始实验随机重新分组20,000次成新组获得的这种差异图的经验零分布进行比较。与这个零分布相比，p < .001（未校正）的体素并形成至少25个体素（200立方毫米）的团块被认为是显示任务类别之间可靠差异的。此外，还进行了元分析连结分析，以识别在所有三个任务类别中共享的认知处理区域。这是通过取所有三个任务特定ALE图的每个体素的最小ALE值来完成的——但仅限于在三个中的每一个中都具有统计显著性的体素。

2.5 与年龄相关的变化

与刚刚描述的方法相同，我们使用这种方法比较了年龄较大的儿童与年龄较小的儿童在语义认知方面的差异。为此，原始样本根据实验中（平均）样本年龄的中位数被分为两个等大小的组。使用与语义任务类别相同的减法程序和统计阈值对这两组实验进行比较。此外，我们还通过使用SDM进行元回归分析（见第2.3节），测试了年龄的线性影响。在这个线性模型中，感兴趣的结果不是跨实验的体素水平效应量（如主要SDM分析中的那样），而是那些效应量与贡献给它的儿童样本（平均）年龄显著共变的体素。

2.6 与成人语义认知的比较

儿童语义认知的元分析结果也与最近一项关于语义控制的元分析中报告的成人语义认知进行了比较。为此，我们重现了他们对成人一般语义认知的ALE分析（n = 415个实验；见图3和表3），并通过上述描述的元分析减法和连结分析方法（见第2.4节）将其与针对儿童的特定ALE分析进行比较。

2.7 稳健性评估

元分析反映了特定主题已发表文献的状态，因此同样受到原始研究的偏见影响（例如，小样本偏差、选择性报告、文件抽屉问题）。对于行为和临床元分析，已经开发了一系列标准工具来评估这些偏见的风险以及元分析结果对它们的稳健性。这些工具中的一些但不是全部可以应用于神经影像数据的元分析。例如，可以评估元分析结果在多大程度上依赖于任何单个研究，这些研究可能或可能没有报告假阳性发现（例如，由于统计功效低）。这可以通过重新计算原始元分析来完成，次数与包括在内的实验数量相同，每次都排除其中一个实验。这种留一法分析（也称为Jackknife分析）揭示了观察到的元分析团块是否严重依赖于一个有影响力的实验，或者它是否对样本中的假阳性实验具有稳健性。

发表偏倚不仅可能以发表实验报告假阳性效应的形式表现出来，还可能以实验未能获得统计显著效应而未被发表的形式出现。由于这种 “文件抽屉” 问题，每100个已发表的实验中可能多达约30个未发表的神经影像实验具有零效应（即报告零个显著峰值）。虽然这些无法直接纳入元分析，但模拟具有不同数量零实验的虚构文件抽屉对于了解结果对这种类型偏倚的稳健性是有意义的。在这种情况下，失效安全N（FSN）指标被定义为可以添加到原始元分析中的零实验数量，而不会使元分析的效应量在统计上变得不显著。如果FSN超过了可以合理预期在文件抽屉中的实验的上限，那么可以得出结论，文件抽屉问题不足以解释元分析结果。这种逻辑可以通过模拟在大脑中随机而非空间汇聚位置的激活峰值的零实验来扩展到神经影像研究的元分析。这样的零实验被模拟为在各自的样本大小和报告的峰值坐标数量方面类似于原始实验，但其峰值位置是从灰质模板中的所有可能体素中随机抽取的。然后，它们被逐步添加到原始实验中。在每一步，重复ALE分析，记录每个体素是否仍然是统计上显著团块的一部分。重复进行上述分析，直到达到原始样本中实验数量的五倍（例如，对于我们的主要分析，n = 50个实验，FSN max = 150）。整个程序被重复进行10次不同的（随机）零实验文件抽屉。

这两种方法（留一法和失效安全N分析）分别对我们的主要ALE分析（包括所有50个实验）以及特定任务类别的子分析进行了单独执行。它们对于特定类别的分析尤其具有启发性，因为这些子分析中实验数量较少，可能会降低元分析结果的稳健性。

2. 结果

3.1 文献搜索

截至2020年7月，通过在线文献数据库搜索，共获得45篇文章报告了50个独立的儿童语义认知fMRI实验（见图1和表1）。这些实验可以进一步分为探测语义世界知识（n=21）、语义相关性判断（n=16）和视觉语义对象类别辨别（n=13）的实验。这些实验共包含1018名儿童的fMRI数据（每个实验平均20.4人，中位数15.5，范围5-67；见图3），平均年龄为10.1岁（平均年龄范围5.5-12.8岁，总年龄范围4-15岁）。根据原始文章，这些儿童中有54.4%是男孩（45.6%是女孩），98.4%是右利手（1.6%是左利手）。这些实验共报告了687个激活峰值（每个实验平均13.7个，中位数12，范围1-47），并纳入了元分析。在这些峰值中，有400个（58.2%）位于左半球（x MNI < 0），表明了轻微的侧化程度。实验间样本量、被研究儿童的平均年龄和报告的峰值数量之间没有可靠的关联（见图3）。关于实验的额外描述性信息可以在附录A中找到。

表1 纳入荟萃分析的实验

图3 元分析中实验级别特征的分布和双变量关联

主对角线上的直方图展示了元分析中实验的分布情况，这些实验根据其样本量、报告的峰值数目以及研究对象儿童的平均年龄进行分组。非对角线上的散点图和相关系数展示了这些实验级别特征之间的双变量关联。灰色线条表示线性回归趋势及其95%置信区间。“编号”表示数量。

3.2 激活似然估计

对于儿童的一般语义认知，使用ALE的元分析揭示了实验间在儿童皮层不同区域的八个团块中激活的空间汇聚（见表2和图4B）。按团块大小排序，它们位于左侧额下回和前中央回（团块#1和#8）、双侧辅助运动区（团块#2）、左侧梭状回（团块#3）、右侧岛叶和额下皮层（团块#4）、左侧中颞叶和上颞叶皮层（团块#5）、右侧下枕回和钙化沟（团块#6）以及右侧梭状回（团块#7）。

表2 图4中所示元分析团块的统计数据

注：峰值基于解剖自动标记图谱（AAL2; Rolls et al., 2015）。# = 团块ID，L = 左侧，R = 右侧，tri. = 三角部，orb. = 眶部。

图4  儿童语义认知的元分析结果

(A) 展示了50个儿童语义认知fMRI实验中的687个单独峰值，以及原始文章中报告的转换为z分数的检验统计量。未报告检验统计量的峰值以灰色显示。

(B) 通过激活似然估计（ALE）揭示的具有超过偶然一致性的元分析团块，体素水平上阈值设定为p < .001（未校正），团块水平上阈值设定为p < .01（FWE校正）。

(C) 通过基于种子点的d映射（SDM）得到的具有超过偶然效应量的元分析团块，体素水平上阈值设定为p < .001（FWE校正），团块水平上阈值设定为k > 25个相连体素（200立方毫米）。

(D) 相同的SDM分析和统计阈值，但控制了四个不感兴趣的线性协变量，即实验的语言、刺激呈现方式、儿童响应方式，以及原始文章中使用的统计软件包。有关这些协变量各自独特影响的探索性评估，请参见附录B，使用ALE减法分析（如第2.4节所述）。

3.3 基于种子点的d映射

基于报告的峰值坐标的检验统计量（z分数或t分数）创建了元分析效应量图。这些统计量对于所有峰值坐标中的461个（占67.1%）是可用的，而剩余226个峰值坐标的检验统计量则是通过Albajes-Eizagirre等人（2019）描述的多次插补方法推断的。这种替代的元分析方法产生了与ALE定性相似的结果：最大的团块（和最高的效应量）再次在左侧额下回、双侧辅助运动区和左侧中颞叶和上颞叶皮层观察到（见图4C和表2）。

这两种不同元分析算法的结果之间有三个值得注意的差异：(a) 与ALE相比，SDM的整体显著团块的大小更大，(b) 在ALE中观察到一个位于右侧视觉皮层的团块，但在SDM中未观察到，以及 (c) 在SDM中观察到一个位于左侧角回的团块，但在ALE中未观察到

基于效应量的方法不仅作为主要（ALE）分析的稳健性检查，而且还使得在控制四个不同线性协变量（即实验的语言、刺激呈现方式、儿童响应方式和用于数据分析的统计软件包）的同时重新评估结果成为可能。这也产生了定性相似的结果，尽管在没有协变量的原始分析中，团块更大（见图4D和表2）。

3.4 语义任务类别之间的差异

图5  三种语义任务类别的子分析 

(A) 中的各个峰值用不同颜色编码表示语义任务的类别（紫色：知识，蓝色：相关性，绿色：对象）。通过激活似然估计得到的团块分别用于 (B) 语义知识实验，(C) 语义相关性实验，以及 (D) 视觉语义对象类别实验，每个团块在体素水平上的阈值设定为 p < .001（未校正），在团块水平上的阈值设定为 p < .01（FWE校正）

表3图5中所示元分析团块的统计数据

注：峰值解剖学标签基于解剖自动标记图谱（AAL2；Rolls等人，2015年）。# = 团块编号，L = 左侧，R = 右侧，tri. = 三角部，orb. = 眶部。

这些特定任务的元分析图相互对比，以检查它们在何处相互差异（见图6和表4）。首先，探测语义知识的实验比其他两个任务类别在左侧岛叶和中额皮层的两个小团块中显示出更一致的激活。其次，探测语义相关性的任务比其他两个任务类别在左侧额下回的眶部和左侧中颞叶显示出更一致的激活。最后，探测视觉语义对象类别的任务比其他两个任务类别在双侧枕叶和梭状回皮层以及右侧上顶皮层显示出更一致的激活。它们还在左侧内侧额叶的一个小团块中比其他两个任务类别显示出更少的激活（在图6C中以蓝色显示）。连结分析揭示了没有任何区域的激活是所有三个语义任务类别共享的（如图5B-D）。

图6  语义任务类别之间的差异

对于图5中显示的每个任务类别，元分析ALE图与另外两个任务类别的实验图进行了对比。得到的减法图在体素水平上的阈值设定为 p < .001（未校正），在团块水平上阈值设定为 k > 25个相连体素（200立方毫米）

3.5 与年龄相关的变化

我们检验了50个实验中fMRI激活模式与年龄相关的变化（a）通过将实验样本在（平均）样本年龄的中位数（md平均年龄=10.3岁）处一分为二，并执行如上所述的ALE减法分析（见第2.4节），以及（b）通过将平均样本年龄作为一个线性预测变量输入到使用基于效应量的SDM方法的元回归模型中（见第2.3节）。

基于中位数分割的方法仅在右侧壳核和岛叶显示出年龄较大的（>10.3岁）与年龄较小的（<10.3岁）儿童实验中更为一致的激活（见图7A和表5）。基于效应量的方法在预设的统计阈值下没有显示出与年龄相关的变化（p < .001 [FWE校正] 在体素水平和k > 25个相连体素 [200立方毫米] 在团块水平）。

图7  年龄较大的儿童与年龄较小的儿童之间的差异

(A) 平均样本年龄大于元分析中位数（10.3岁）的实验的ALE图与平均样本年龄小于该中位数的实验的ALE图进行了对比。得到的减法图在体素水平上的阈值设定为 p < .001（未校正），在团块水平上阈值设定为 k > 25个相连体素（200立方毫米）。(B) 元回归检验平均样本年龄对元分析效应量的线性影响。由于没有任何体素达到了预先设定的统计阈值（体素水平上的 p < .001 [FWE校正] 和团块水平上的 k > 25个相连体素 [200立方毫米]），我们以探索性的方式呈现未校正且未阈值化的z分数图，并作为未来研究的起点。

表5 图7中显示的元分析团块的统计数据

注：峰值解剖学标签基于解剖自动标记图谱（AAL2；Rolls等人，2015年）。# = 团块编号，R = 右侧。

然而，应当考虑到对于研究级调节变量的元分析无效应可能部分反映了检测它们的统计功效不足。当感兴趣的变量（这里：平均样本年龄）具有有限的方差时，尤其如此（图3和表1）。为了以事后的方式缓解这种统计功效的不足，我们在图7B中展示了未校正且未阈值化的基于效应量的元回归的z分数图。7B表明，左侧中颞叶/上颞叶的效应量随年龄增长而减少（峰值z = -2.55），左侧额下回的效应量随年龄增长而增加（峰值z = 2.33）。在较小程度上，额下回的增加在右侧半球也有反映，与ALE的中位数分割结果一致。然而，这些峰值都没有通过我们最初的团块形成阈值，因此需要额外的实验来确认这些与年龄相关的变化是否在元分析层面上是可靠的。

3.6 与成人语义认知的比较

Jackson（2021）最近的一项元分析使用ALE综合了成人语义控制的fMRI文献。他们还将分析范围扩大到415项关于一般语义认知的研究，并发现在左半球有广泛的一致激活团块，这些团块跨越了颞叶和额下叶的多个区域，以及辅助运动区（见图8A和表6，这些结果是基于原始作者提供的峰值坐标重现的）。这个成人语义认知的元分析图与儿童的语义认知图通过减法和连结分析进行了比较。这揭示了与成人相比，儿童在皮层的多个后部区域有更一致的激活，包括双侧下颞叶和右侧下顶叶（见图8B和表6）。相反，成人在左侧中颞叶和下颞叶的前部以及左侧钙化沟深处显示出更一致的激活。最后，连结分析表明两组在左侧额下叶、辅助运动区、左侧中颞叶和上颞叶、右侧岛叶和额下皮层以及左侧梭状回有很大的重叠区域（见图8C和表6）。

图8  与成人语义认知的比较

(A) 重现Jackson（2021）的元分析，综合了415个成人一般语义认知的fMRI实验。为了进行组别比较，这次重现使用了与正文和图4B中儿童相同的数据分析程序和统计阈值。(B) 儿童和成人语义认知的ALE图之间的比较，体素水平上的阈值设定为 p < .001（未校正），团块水平上阈值设定为 k > 25个相连体素（200立方毫米）。(C) 连结分析显示仅对儿童和成人都显著的体素。在这里，颜色表示两个单独组别图中每个显著体素的最小z分数。

表6 图8中显示的元分析团块的统计数据

3.7 稳健性评估

使用留一法（Jackknife）分析和失效安全N分析，对元分析结果针对两种不同类型的出版偏倚——虚假发现和文件抽屉问题——的稳健性进行了评估。这两种分析均针对所有50个语义实验的整个样本（见图4B和表2）以及三个特定任务类别的子分析（见图5B-D和表3）进行。

留一法程序显示，主分析中检测到的所有团块对删除个别研究均具有稳健性，八个团块的平均留一法稳健性为96%（范围84-100%；见图9）。对于语义相关性实验的子分析，所有四个团块的稳健性均为100%，而对于语义知识实验，团块#1和#2的稳健性为100%，但团块#3（右侧岛叶；48%）和团块#4（左侧额下回；81%）的稳健性有所降低。最后，对于视觉语义对象类别实验，所有三个团块的稳健性略有降低（85%）。总体而言，这反映了元分析对虚假实验的整体稳健性良好，尽管对于基于较少实验运行的子分析，这种稳健性略有损害。

图9  留一法分析

对于每个元分析ALE图（见图4B和5B-D），原始分析被重复执行了与样本中实验次数相同的次数，每次都排除了这些实验中的另一个。颜色显示了在这些模拟中团块保持统计显著性的百分比，因此不因排除任何单个实验而变化（例如，因为结果可能是偶然的）。

失效安全N分析显示，大多数团块对文件抽屉问题是稳健的。这表现在这些情况下，需要添加的（未发表的）零实验数量，直到推翻团块的统计显著性，超过了原始分析中（已发表的）实验数量（见图10）。唯一不是这种情况的团块是团块#5（右侧枕叶；FSN = 18）、团块#6（右侧梭状回；FSN = 15）和团块#8（左侧额下回；FSN = 1）。然而，需要注意的是，团块#5和#6仍然略微超过了原始样本大小30%的期望值（见第2.7节和Samartsidis等人，2020）。对于特定任务类别的子分析，FSN值总体上较高，除了与知识相关的团块#3（右侧岛叶；FSN = 1）和团块#4（左侧额下回；FSN = 2），以及与对象相关的团块#1（右侧梭状回；FSN = 8）、团块#2（左侧梭状回；FSN = 5）和团块#3（右侧枕叶；FSN = 11）。除了两个与知识相关的团块外，所有团块均超过了30%的期望阈值，再次给人留下了对出版偏倚稳健性满意的总体印象。然而，这两个特定的团块需要谨慎解释，并需要未来的fMRI实验提供额外的支持。

图10  失效安全N分析

对于每个元分析ALE图（见图4B和5B-D），原始分析（带有n个实验）被重复执行最多5n次，每次都添加一个额外的零实验，其激活峰值在灰质掩模内随机分布。每个团块的FSN指标被计算为可以添加的零实验的最高数量，以便团块仍然保持统计显著性。为了适应四个（子）分析的不同样本大小，FSN显示为原始实验数量的百分比。大于30%的值超过了fMRI文献中文件抽屉问题实际大小的最保守估计。

4. 讨论

我们通过基于坐标的fMRI研究元分析系统地定位了儿童语义认知的大脑区域。我们识别了50个独立的实验，这些实验扫描了平均年龄在3至12岁之间的儿童，使用了各种语义任务。汇总所有这些实验报告的峰值坐标，我们发现在与词汇处理相关的左侧周围语言网络的亚区域（左侧MTG/STG和IFG）以及双侧SMA、右侧岛叶和更后部的大脑区域（双侧梭状回和右侧枕叶皮层）中存在一致的激活证据。这些区域被不同语义任务类别不同程度地激活：在涉及语义知识（例如，在听到物体描述后命名物体）和语义相关性（例如，听到两个词并判断它们是否相关）的任务中，额下区域和SMA更受青睐，而在涉及视觉对象类别区分（例如，被动观看面孔与其他视觉刺激相比较）的任务中，后部区域更受青睐。

左侧MTG/STG和左侧IFG的三角部已知至少从3岁开始就涉及语义处理。还有证据表明，儿童能够在2岁时就用左侧MTG处理词义。在左侧IFG内，语义处理特别激活了更前部的区域（三角部和眶部），这些区域在我们的研究中也显示出最强的元分析峰值。这些亚区域在儿童的语言处理中似乎扮演了特别关键的角色，因为它们使他们能够成功地检索语法上具有挑战性的句子的语义含义，尽管他们的句法能力（在成人左侧IFG的眶部）尚未完全发展。

正如左侧IFG和MTG/STG一样，双侧SMA在执行语义知识和相关性任务的儿童中也显示出元分析上的稳健激活。这与成人语义认知的先前元分析以及儿童和成人的语言理解的元分析相呼应。前运动区的激活可能反映了将抽象语义概念基于发音运动表征的基础。或者除此之外，SMA前部（pre-SMA）的激活也可能反映了更高层次的认知控制过程，如歧义解决和语义语境的整合。这一点得到了我们的证实，即当儿童执行视觉对象类别任务时，SMA没有显示出一致的激活。这些任务在许多情况下会提供类似程度的前运动响应，但与探测语义知识或相关性的任务相比，认知控制的程度可能较低（见Binder等人，2009年，他们专门关注成人使用语言刺激的实验，发现了类似的结果）。然而，请注意，本次元分析只包含了有限数量的视觉对象类别任务（n = 13），这可能限制了统计功效。

最后，腹侧颞叶和枕叶皮层（梭状回及其相邻区域）包含类别选择性神经元群体，这些神经元主要对某些类别的视觉刺激产生反应（例如，梭状回面孔区域[FFA]中的脸或外侧枕叶复合体[LOC]中的对象）。因此，这些区域只在儿童观看不同视觉语义对象类别的任务中显示出一致的激活。在这个腹侧颞叶和枕叶区域内的一些小区域也显示出，与成人相比，儿童元分析激活显著增加。这可能反映了儿童需要比成人更强烈地激活这些皮层区域来区分不同种类的视觉刺激。这些特定于儿童的激活大部分观察在右半球。因此，似乎大多数儿童的语义网络还没有达到类似成人的侧化水平。这种语义偏侧化的持续过程似乎与语言理解网络的偏侧化过程密切相关，其中一些过程似乎持续到早青春期。然而，我们不能排除这些群体差异也可能是由于选择用于研究儿童和成人语义认知的任务类型和基线条件的差异所驱动的。此外，对不同种类的视觉对象的语义分类与它们之间的低级感觉差异相混淆。这些视觉混杂因素可能至少部分解释了我们对这个任务类别的元分析结果（例如，右侧早期视觉皮层的激活；见图5D）。

有一个区域，即左侧前颞叶（ATL），通常被认为是语义系统的核心，但在儿童中根本没有显示出任何元分析一致的激活。在成人中，ATL作为一个非模态的“枢纽”，连接着更广泛的语义网络中不同感觉特异性的地点（例如，IFG中的语言处理和枕叶和腹侧颞叶皮层中的视觉语义）。关于儿童语义认知的神经影像学研究似乎显著地较少引发这种ATL激活（见图8B），这表明这个语义枢纽可能需要时间在儿童期和青春期发展。相比之下，语义网络的大多数其他区域在儿童和成人之间至少显示出一些重叠，特别是在左侧IFG、双侧SMA、右侧岛叶、左侧MTG/STG和左侧FG（见图8C和Jackson，2021年）。

由于元分析严重依赖于文献的质量，它们可能容易受到多种偏见的影响（例如，积极性偏见和选择性报告）。与临床或行为结果相比，用于神经影像学元分析框架的检测这些偏见的工具不太发达。然而，在本研究中，报告的峰值坐标数量——这是fMRI研究实验特定效应大小的一个非常粗略的类比——与实验的样本量无关（见图3）。这与较大研究中的小样本偏差和/或选择性报告一致。为了评估我们的元分析结果对这些偏见的稳健性，我们首先进行了留一法分析，结果显示所有团块对样本中个别实验的删除都不变。这意味着即使原始实验中任何一个报告的只是偶然激活，我们也会得到相同的结果。其次，我们还进行了失效安全N分析，我们估计了必须添加多少未发表的零实验（即没有任何一致激活模式的实验）直到任何观察到的团块的显著性被推翻。这个数字几乎对所有团块都超过了元分析样本大小的30%。它因此超过了当前最保守的估计，即隐藏在“文件抽屉”中的未发表fMRI实验的实际数量。因此，尽管我们的元分析不能直接评估或纠正底层文献中的出版偏见，但其结果似乎即使在承认存在这些偏见的情况下也是稳定的。

5. 结论

由于开展儿童fMRI实验具有挑战性且成本高昂，所以儿童实验的样本量通常低于行为实验或成人被试的神经影像实验。因此，元分析是必要的，它可以筛选出虚假结果，并揭示不同任务范式之间的相似性和差异。关于儿童处理语义信息的能力，我们基于坐标的元分析显示，在左侧IFG和MTG/STG、双侧SMA、右侧岛叶以及双侧腹侧颞叶和枕叶皮层的部分区域，存在可靠的激活模式。在这个网络中，探测儿童语义世界知识和语义相关性的任务显示出重叠的激活区域，这些区域与探测视觉语义对象类别的任务中看到的区域不同。与成人语义系统的比较揭示了大体上重叠的激活区域，但也显示出更特定于儿童的激活在双侧下颞叶和枕叶区域，以及更特定于成人的激活在左侧颞叶的前部。