同一篇文章中假如多个指标可以采用不同的校正标准吗？

可以，但需要明确的理由和报告。

在同一项研究中，对不同的神经影像指标（如ALFF和fALFF）采用不同的多重比较校正阈值（如p<0.001和p<0.005）是允许的，但这并非随意为之，必须基于严谨的方法学考量，并在文章中清晰说明。

核心原则与操作建议：

1. 理由必须充分：不能仅仅因为一个指标的结果不显著而放宽标准。差异化的校正标准应基于：

   • 指标的先验特性：例如，fALFF作为ALFF的标准化版本，可能被认为噪声更低、更稳定，因此在探索性分析中采用相对宽松的阈值进行初步观察。
   • 分析目的不同：主要假设检验的指标（如ALFF）采用更严格的校正（如FWE p<0.05或TFCE），而对次要、探索性或辅助性指标（如fALFF）可采用稍宽松的校正（如FDR p<0.05）或未校正阈值结合团块大小限制。
   • 领域共识或文献依据：参考类似研究中对该指标常用的校正标准。

2. 必须清晰报告：在论文的方法部分必须明确说明：

   • 对每个指标分别采用了何种校正方法（如FWE、FDR、GRF、未校正p值+团块阈值）。
   • 具体的阈值是多少。
   • 最重要的是，阐明为何对不同的指标采用不同的标准。

3. 常见的合理做法：

   • 主要结果 vs. 次要/探索性结果：对验证主要假设的核心指标使用最严格的校正（如全脑FWE校正）。对探索性分析或功能连接等后续分析，可以使用FDR校正或基于团块的GRF校正，这些方法本身在不同指标上可能就会产生不同的有效p值阈值。
   • 分层校正策略：例如，在定义了感兴趣区（ROI）后，ROI内的分析可采用小型体积校正（SVC），而全脑分析则采用更严格的标准。这本质上是针对不同空间范围的“不同标准”。
   • 使用连续校正方法：如阈值自由团块增强（TFCE），它本身不依赖一个单一的p值阈值，能更好地适应不同指标的信噪比差异。

结论：
单纯地、无合理解释地为ALFF和fALFF设定两个不同的任意未校正p值阈值（如0.001 vs 0.005）是不可取的，这会被视为“p-hacking”（操纵数据以达到显著性）。正确做法是基于指标的理论属性、分析层次（全脑/ROI/探索性）和研究设计，选择合适的校正方法，并透明报告。最终，不同校正方法自然会对应不同的有效阈值。