需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

利用种族模型不等式量化行为多感官整合效应

6.1K 次观看

⸱

DOI：

10.3791/59575

⸱

2019年5月10日

 , 
1Department of Neurology, Division of Cognitive & Motor Aging, Albert Einstein College of Medicine, 2Department of Medicine, Division of Geriatrics, Albert Einstein College of Medicine

本文内容

摘要

本研究旨在提供一个逐步教程，用于计算多感官整合效应的大小，以促进在不同临床人群中开展转化研究。

摘要

多感官整合研究探讨大脑如何处理同时输入的多种感觉信息。对动物（主要是猫和灵长类动物）以及人类的研究表明，完整的多感官整合功能对于现实世界中的认知活动和身体活动均至关重要。过去几十年开展的大量研究采用多种心理物理学、电生理学和神经影像学技术，记录了多感官整合效应。尽管已有研究报道了该效应的存在，但用于确定多感官整合效应强度的方法各不相同，通常面临诸多批评。下文将概述以往行为学研究的局限性，并提供一个逐步教程，介绍如何使用稳健的概率模型来计算多感官整合效应的强度。

引言

不同感觉系统之间的相互作用对于日常功能至关重要。尽管已采用多种感觉组合和不同的神经科学方法（包括但不限于心理物理学、电生理学和神经影像学方法）1,2,3,4,5,6,7,8,9在多种人群中测量了多感觉整合效应，但目前仍缺乏量化多感觉整合的金标准。鉴于多感觉实验通常包含行为学成分，研究常通过分析反应时间（RT）数据来判断是否存在一种被称为“冗余信号效应”的著名现象10。顾名思义，同时呈现的感觉信号提供了冗余信息，通常会导致更短的反应时间。竞争模型和共激活模型被用于解释上述冗余信号效应11。在竞争模型中，处理速度最快的那个单感觉信号赢得“比赛”，并引发行为反应。然而，当对多感觉刺激的反应快于竞争模型所预测的速度时，则表明存在共激活的证据。

早期版本的种族模型本质上存在争议12,13，因其被一些人认为过于保守14,15，并且据称在多感官条件下固有的组成单感官检测时间之间的独立性方面存在局限性16。为了应对其中一些局限性，Colonius & Diederich16 开发了一种更为传统的种族模型检验方法：

概率计算公式，显示最小和 P(RT_A≤t)+P(RT_B≤t)，数学表达式。,

其中，将单感觉条件（例如，A 和 B；上限为 1）的累积分布频率（CDF）与任何给定潜伏期（t）下的同步多感觉条件（例如，AB）的累积分布频率（CDF）进行比较11,16,17。通常情况下，CDF 表示在特定反应时（RT）范围内，某一反应时出现的频率除以总刺激呈现次数（即试验次数）。如果实际多感觉条件的 CDF 概率公式 P(RT_AB ≤ t)，统计分析公式，用于教学 小于或等于由单感觉条件推导出的预测 CDF

静力平衡方程；表示概率；公式：min(P(RTA ≤ t) + P(RTB ≤ t), 1)。,

若如此，则接受竞赛模型，且无感觉整合的证据。然而，当多感觉累积分布函数（CDF）大于由单感觉条件预测得到的CDF时，竞赛模型被拒绝。拒绝竞赛模型表明，来自冗余感觉源的多感觉相互作用以非线性方式结合，导致对多感觉刺激的反应时（RT）加快（例如，RT促进）。

多感官研究领域面临的一个主要难题是如何最佳地量化整合效应。例如，在最基本的多感官行为范式中，研究人员要求参与者完成简单的反应时间任务，从而收集有关准确性和反应速度的信息。此类多感官数据可直接使用，也可通过多种数学方法进行处理，包括但不限于最大似然估计18,19、累积分布函数（CDFs）11以及各种其他统计方法。在我们以往的大多数多感官研究中，采用了定量与概率相结合的方法来计算多感官整合效应，具体包括两个步骤：1）用多感官刺激的平均反应时间（RT）减去单感官刺激中最短的平均反应时间（RT）；2）采用累积分布函数（CDFs）分析反应时间的加快是否源于冗余感官信息所促进的协同作用8,20,21,22,23。然而，前一种方法可能对整合过程中的个体差异不够敏感，因此研究人员随后提出，后一种方法（即CDFs）可能是量化多感官整合效应的更佳代理指标24。

Gondan 和 Minakata 近期发表了一篇关于如何准确检验种族模型不等式（Race Model Inequality, RMI）的教程，因为研究人员在反应时（RT）数据采集与准备的获取和预处理阶段常常犯下 numerous 错误25首先，作者认为，在某些情况下应用数据修剪程序是不可取的 先验的 设定反应时的最小值和最大值范围。建议将缓慢或遗漏的反应设为无穷大，而非直接排除。其次，由于相对运动抑制指数（RMI）可能在任意潜伏期被违反，研究中常采用多个 t 检验在不同时间点（即分位数）检验 RMI；然而，这种做法会增加Ⅰ类错误的风险，并显著降低统计检验效能。为避免这些问题，建议在某一特定时间范围内整体检验 RMI。有研究者提出，检验最快四分之一的反应（0–25%）具有合理性。26 或某些预先确定的时间窗（即 10-25%）24,27 因为多感官整合效应通常在此时间段内被观察到；然而，我们认为待检验的百分位范围必须由实际数据集决定（参见 方案 第5节）。依赖年轻成年人的已发表数据或计算机模拟的问题在于，老年人表现出截然不同的反应时分布，这可能归因于与年龄相关的感官系统功能下降。对种族模型显著性检验应仅针对研究队列中实际累积分布函数与预测累积分布函数之间群体平均差异波形的违反部分（正值部分）进行检验。

已有研究通过传统的赛跑模型检验16以及Gondan及其同事提出的原则25，证实了多感觉整合对中国健康老年人群具有保护作用。事实上，视觉-躯体感觉RMI的幅度越大（作为多感觉整合的指标），与更好的平衡能力、更低的跌倒发生概率以及更优的空间步态表现之间存在关联28,29。

本实验的目的是为研究人员提供一份逐步教程，介绍如何使用相对多感觉整合指数（RMI）来计算多感觉整合效应的大小，以促进在多种不同临床人群中开展更多样化的转化研究。需要注意的是，本研究中展示的数据来自最近发表的针对健康老年人群的视觉-躯体感觉实验28,29，但该方法可广泛应用于多种实验设计中的不同受试群体，并可结合多种多感觉刺激组合方式。

访问受限。请登录或开始试用以查看此内容。

方案

所有参与者均签署了书面知情同意书，同意参与实验程序，该程序已获得阿尔伯特·爱因斯坦医学院机构审查委员会的批准。

1. 受试者招募、纳入标准与知情同意

  1. 招募一个相对较大的以英语为母语的人群队列，要求能够独立行走，且无明显感觉功能丧失；无干扰实验评估的活动性神经系统或精神疾病；以及无影响活动能力的当前或未来医疗程序。
  2. 确保每位参与者均能成功完成感觉筛查测试，其中需正式评估视觉、听觉和躯体感觉敏锐度，以确认其适合参与本研究。
    1. 使用斯内伦视力表（Snellen eye chart）确保双侧视力达到或优于20/100。
    2. 使用发声耳镜（tone-emitting otoscope）确保参与者至少能够在25 dB下听到2,000 Hz的音调30。
    3. 确定参与者是否被临床诊断为神经病变，以及该病变是否影响其感知实验性躯体感觉刺激的能力21,28,29。
    4. 若参与者无法满足上述最低感觉要求，则不应纳入研究。
  3. 通过采用可靠的筛查工具设定截断值，排除患有痴呆的老年人，例如AD8痴呆筛查访谈截断值≥231,32；以及记忆力障碍筛查（Memory Impairment Screen, MIS）截断值<533。
  4. 对于愿意参与的参与者，应获得其对实验程序的书面知情同意（须经当地机构审查委员会批准）。

2. 实验设计

  1. 使用刺激呈现软件设计一个包含三种实验条件的简单反应时实验：单独视觉（V）、单独躯体感觉（S）以及视觉-躯体感觉同时刺激（VS）。告知受试者需对每种感觉刺激尽快做出反应，无论其所属条件如何。有关VS简单反应时任务的示例，请参见补充文件（补充文件1）。
    1. 使用带有三个控制盒（30.48 mm × 20.32 mm × 12.70 mm）及塑料外壳的刺激发生器。左右两个控制盒内含双侧蓝色发光二极管（LED；直径15.88 cm），用于视觉刺激；同时配备双侧电机，振动幅度为0.8 G，用于躯体感觉刺激（相当于手机振动）22,23,28。
    2. 确保刺激发生器能够提供单感觉模态（仅视觉或仅躯体感觉）以及多感觉模态（视觉与躯体感觉同时刺激）。在左右控制盒（见2.1.1）之间等距（28 cm）位置放置一个中央虚拟控制盒，并在其上粘贴一个视觉目标标记（中央圆点直径0.4 cm），作为注视点。
    3. 通过并行端口将刺激发生器连接至实验用计算机，以实现对每个刺激器的直接控制。
    4. 编程设置刺激呈现软件，通过并行端口向刺激发生器发送晶体管-晶体管逻辑（TTL，5 V）脉冲，直接控制其开启与关闭。设定刺激呈现时间为100 ms。
  2. 在刺激呈现软件中，至少设置3个实验组块，每组包含45次试验（每种刺激条件各15次，随机呈现），共计135次刺激呈现，用于本简单反应时实验。
  3. 将刺激间间隔（inter-stimulus-interval）随机设置在1至3秒之间，以防止预期效应。或者插入捕获试验（catch trials），其刺激参数与上述相同，但不发送TTL脉冲，因此无视觉或躯体感觉刺激出现，也不期望受试者做出反应。
  4. 允许受试者在2,000 ms内对任一刺激条件做出反应。若在2,000 ms反应窗口内未检测到反应，则确保刺激呈现软件自动进入下一次试验。
    注：该反应时间截断值为人为设定，但为最小化总实验时长所必需；需注意，超出此限的反应时将被记为无穷大。
  5. 在三个实验组块之间，通过刺激呈现软件设置20秒的休息间隔，以减少可能的疲劳并提高注意力。确保每个后续组块在20秒休息结束后立即开始。
  6. 在视觉显示器（实验计算机的屏幕）上呈现书面指导语。具体指导语内容见补充材料。要求受试者准备就绪后，用右脚按压反应板以启动实验。一旦刺激参数设定完成，刺激呈现软件将生成一个可在每位受试者上运行的实验脚本。
  7. 输入受试者编号和会话编号以运行实验脚本。实验完成后，将为每位受试者生成一份独立的行为数据日志（参见 补充文件2 中提供的Eprime 2.0输出文件示例）。

3. 仪器 & 任务

  1. 让参与者保持坐姿端正，并将双手舒适地放在左侧和右侧控制盒上。
    1. 将食指策略性地放置在安装于控制盒背面的振动电机上，拇指置于控制盒正面、LED灯下方，以免遮挡光线 （见图1）。
    2. 为参与者佩戴耳机，持续播放强度适中的白噪声（通常为65–75 dB），以确保体感刺激无法被听见。
  2. 指导参与者尽快对所有刺激作出反应。
    1. 由于手指将接受体感刺激，要求参与者使用位于右脚下方的脚踏板作为反应装置 （见图1）。
  3. 按刺激条件计算表现准确率。
    1. 指导参与者尽快对每种实验刺激（每种条件45次）作出反应。
    2. 将每种条件下正确检测到的刺激次数除以45（每种条件的总试验次数），分别获得视觉、体感及视觉-体感（VS）条件下的表现准确率指标。

4. 种族模型不等式数据准备（个体水平）

  1. 确定个体的行为表现是否有效。
    1. 排除在任一刺激条件下无法达到70%或更高正确率的参与者。当参与者在简单反应时任务中的表现准确率下降时，其数据的可靠性也随之降低。
    2. 若参与者未能在设定的反应时间窗口内对刺激作出反应，则将该试验视为不准确（遗漏），并将相应的反应时（RT）设为无穷大，而非从分析中剔除该试验25,28。
      注：在以往的研究中，群体平均（n=289）的刺激检测率为96%（所有条件下），且超过90%的受试者在所有条件下的检测率均高于90%28。
    3. 不要采用删除极慢反应时的数据修剪方法，因为这会偏倚反应时数据的分布25。应确保明显为离群值的反应时被设为无穷大。参见补充文件，其中展示了基于不同数据修剪方法及包含慢反应时对累积分布函数（CDF）的影响（补充文件3）。
  2. 整理反应时数据。
    1. 按实验条件将反应时数据按升序排列。将视觉、体感及视觉-体感（VS）条件的反应时数据分别置于不同的列中。确保每一行代表一次试验，每个单元格代表实际的反应时（对于遗漏或极慢的试验则记为无穷大）。
  3. 对反应时数据进行分箱。
    1. 确定最快反应时（对应任意条件—橙色椭圆）和最慢反应时（对应任意条件—红色椭圆）。用最慢反应时减去最快反应时（例如，740 ms – 237 ms），以计算个体在所有测试条件下的反应时范围（503 ms；蓝色椭圆）。表1 展示了如何计算个体的反应时范围，并图示了不同颜色的椭圆。
    2. 从0%（本例中最快反应时为237 ms）到100%（本例中最慢反应时为740 ms）以5%为增量对反应时数据进行分箱：以最快反应时为起点，逐步加上第4.3.1步中确定的反应时范围的5%，直至覆盖全部100%的反应时数据（见表2）。这将产生21个时间箱。
      注：表2中的1%分位点仅用于示意图解，实际工作表中无需包含。
  4. 计算各实验条件的累积分布频率（CDF）。
    1. 使用电子表格软件，应用“FREQUENCY”函数，其中array1为某一实验条件的实际反应时数据，array2为第4.3步计算出的21个量化反应时区间，并将结果除以每个条件的试验总数（45）。如图2a。所示。
    2. 对另外两个实验条件重复此操作（图 2b-2c），以填充三个实验条件下各21个量化时间箱中反应时出现的频率（或概率P）。
    3. 接下来，通过累加各量化时间箱中的概率值（0%、0+5%、0+5+10%、0+5+10+15%等），为三个实验条件分别建立累积分布频率（CDF）。例如，在体感（Soma）条件的累积概率列（AE列）中，95%分位范围的累积概率（单元格AE22）等于Z3:Z23单元格中概率值的总和（见图3）。
  5. 实际CDF与预测CDF。
    1. 确保多感觉条件的CDF代表实际CDF（见图4 AF列及绘制的紫色轨迹）。为计算预测CDF（AG列），在每个21个量化时间箱上，将两个单感觉CDF相加（上限设为1） （见图5）。从第0百分位（第1箱）开始，一直计算到第100th百分位（第21箱）。
  6. 进行竞赛模型不等式（RMI）检验。
    1. 将实际CDF减去第4.5.2步计算出的预测CDF，得到21个量化时间箱的差值（AH列；见图6）。
    2. 将这21个差值绘制成折线图，横轴表示各量化时间箱（AC列），纵轴表示实际与预测CDF之间的概率差值（AH列；图7（黑色轨迹）。
    3. 检查是否存在任一潜伏期（即分位数）上的正值，这些正值表明单感觉刺激发生了整合，并反映了对RMI的违反（见图7中差异波形0.00–0.10区间绿色高亮部分）。

5. 多感官效应的量化（组水平）。

  1. 对个体RMI数据（即差异值）进行组平均 预测的 CDF 和 实际的 所有参与者中每个21个时间区间（步骤4.6.1，列AH）的累积分布函数（CDF）。使用电子表格软件进行分配 将个体数据按行排列，时间区间按列排列。在新的电子表格中，将4.6.1步骤中计算出的21个值分别填入不同的行（每名参与者占一行），并对各时间区间内的数值取平均，生成一条组水平的平均差异波形。
  2. 将各组平均的21个值绘制成折线图，其中横轴表示每一个量化的时间区间，纵轴表示累积分布函数（CDF）之间的概率差值。
  3. 目视检查并记录组平均差异波形中违反的部分（即正值部分）。
  4. 运行Gondan的RMI置换检验（R脚本可免费下载）26 确定在第5.3步中识别出的正值是否存在对RMI的统计学显著性违背。
    1. 将数据整理在一个文本文件中，第一列为“Obs”，代表观察者（例如参与者编号），第二列为“Cond”，代表刺激条件（V、S 或 VS），第三列为“RT”，代表实际反应时；若反应时设为无穷大，则标记为“Inf”。
    2. 打开软件，确定需要检测的时间段（依据5.3中识别出的阳性时间段），并输入在5.4.1中创建的文本文件名称。
    3. 通过调用脚本运行测试。结果将提供一个 t最大值、95%标准和p值，这些将有助于确定在整个研究样本中是否存在对种族模型的显著违背。
  5. 在步骤 5.3 中确定显著偏离的百分位区间后，计算每个个体的曲线下面积（AUC）。AUC 将作为多感官整合程度的指标（即自变量）。以被试 1 的数据为例，计算 0.00 - 0.15 百分位区间内的 AUC 图 8a- d).
    1. 在时间区间 1（1 处求累积分布函数差值的总和st 时间正值）与时间箱2（下一个正值）的CDF差值相加，然后除以二（见 图8a）。对每一对连续且包含正值的时间区间重复步骤 5.3.1（参见 图8b-8c).
    2. 将步骤 5.5.1 至 5.5.2 中获得的结果相加，以生成在违反的百分位区间内 CDF 差异波的总 AUC（例如，0.00 – 0.15 范围内） 图8d).
      注意：AUC 是一个连续变量，每个个体在 RMI 违背部分均有一个对应的 AUC 值图8d 红色椭圆 = 参与者1的AUC = 0.13）。AUC可作为代表“腹侧纹状体整合程度”的自变量，用于后续预测重要的临床结局指标（另见28,29).
  6. 根据被违反的百分位区间数量（大于零的值在图中以灰色突出显示）分配多感官整合分类组 表3）在步骤 5.3 中确定的显著偏离的百分位范围期间。观察 表3 （百分位区间 0.00–0.15）：参与者1在4个区间中有2个区间呈正值；参与者2在4个区间中有4个区间呈正值；参与者3在4个区间中有0个区间呈正值。
    1. 基于0-10分钟期间违反的百分位区间数量（0、1、2或3个区间，数值大于零）建立分类系统的操作化定义th 百分位数 
    2. 图9 描绘了一种可能的分类定义，该定义改编自 Mahoney 和 Verghese 最近发表的数据29.

访问受限。请登录或开始试用以查看此内容。

结果

本研究的目的是提供一种系统化方法的分步教程，用于量化视觉-前庭（VS）整合效应的大小，以促进采用类似实验设计和设置的新多感官研究的发表（见图1）。上述内容详细列出了计算多感官整合效应大小（通过RMI AUC测量）所需的每一步操作截图和计算过程，并在图2-8中进行了图示说明。

图9 显示了333名老年人样本在0-10百分位区间内出现的组平均违规情况（虚线轨迹）（另见29在这三个十分位数（0.00 - 0.10）中，正值总数（0、1、2 或 3）的多少决定了个体被归入哪一类多感官功能分类组（分别为缺陷、较差、良好或优秀）。 

如图9所示，群体平均结果表明，在所有反应时间最快的十分之一区间内，存在显著的种族模型违背现象26。尽管...

访问受限。请登录或开始试用以查看此内容。

讨论

本研究的目的是详细阐述建立稳定的多感官整合表型的过程。本文提供了获取多感官整合效应所必需的关键步骤，这些效应可用于预测依赖相似神经环路的重要认知和运动结果。我们的总体目标是提供一份逐步计算多感官整合程度的教程，以促进在不同临床人群和年龄范围内开展创新且具有转化意义的多感官研究。

如上所述并由Gondan及其同事阐明，保留个体的反应时（RT）数据集非常重要25,28即应避免剔除极慢反应时（RT）的数据修剪程序，因其会对反应时分布产生固有偏差；25 相反，应将遗漏的反应和缓慢的反应时间设为无穷大。此步骤至关重要，若不遵守这些简单规则，将导致多感官整合结果不准确。此外，对竞赛模型的显著性检验应仅针对研究队列中识别出的RMI违反部分的组平均数据进行（即不应 先验的 指定窗口

就局限性而言，当前的实验设计基于对呈现在相同位置且精确同步呈现的双侧刺激进行简单...

访问受限。请登录或开始试用以查看此内容。

披露

不存在任何需要报告的利益冲突，作者无任何事项需要披露。

致谢

本研究工作由美国国立卫生研究院国家衰老研究所（资助号：K01AG049813，授予 JRM）提供支持。额外资助来自阿尔伯特·爱因斯坦医学院雷斯尼克老年医学中心。特别感谢所有志愿者和研究团队成员为本项目提供的卓越支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
刺激发生器Zenometrics, LLC; Peekskill, NY, USAn/a定制构建
ExcelMicrosoft Corporation电子表格程序
EprimePsychology Software Tools (PST)刺激呈现软件

参考文献

  1. Foxe, J., et al. Auditory-somatosensory multisensory processing in auditory association cortex: an fMRI study. Journal of Neurophysiology. 88 (1), 540-543 (2002).
  2. Molholm, S., et al. Multisensory auditory-visual interactions during early sensory processing in humans: a high-density electrical mapping study. Brain Research: Cognitive Brain Research. 14 (1), 115-128 (2002).
  3. Murray, M. M., et al. Grabbing your ear: rapid auditory-somatosensory multisensory interactions in low-level sensory cortices are not constrained by stimulus alignment. Cerebral Cortex. 15 (7), 963-974 (2005).
  4. Molholm, S., et al. Audio-visual multisensory integration in superior parietal lobule revealed by human intracranial recordings. Journal of Neurophysiology. 96 (2), 721-729 (2006).
  5. Peiffer, A. M., Mozolic, J. L., Hugenschmidt, C. E., Laurienti, P. J. Age-related multisensory enhancement in a simple audiovisual detection task. Neuroreport. 18 (10), 1077-1081 (2007).
  6. Brandwein, A. B., et al. The development of audiovisual multisensory integration across childhood and early adolescence: a high-density electrical mapping study. Cerebral Cortex. 21 (5), 1042-1055 (2011).
  7. Girard, S., Collignon, O., Lepore, F. Multisensory gain within and across hemispaces in simple and choice reaction time paradigms. Experimental Brain Research. 214 (1), 1-8 (2011).
  8. Mahoney, J. R., Li, P. C., Oh-Park, M., Verghese, J., Holtzer, R. Multisensory integration across the senses in young and old adults. Brain Research. 1426, 43-53 (2011).
  9. Foxe, J. J., Ross, L. A., Molholm, S. Ch. 38. The New Handbook of Multisensory Processing. Stein, B. E. , The MIT Press. 691-706 (2012).
  10. Kinchla, R. Detecting target elements in multielement arrays: A confusability model. Perception and Psychophysics. 15, 149-158 (1974).
  11. Miller, J. Divided attention: Evidence for coactivation with redundant signals. Cognitive Psychology. 14 (2), 247-279 (1982).
  12. Eriksen, C. W., Goettl, B., St James, J. D., Fournier, L. R. Processing redundant signals: coactivation, divided attention, or what? Perception and Psychophysics. 45 (4), 356-370 (1989).
  13. Mordkoff, J. T., Yantis, S. An interactive race model of divided attention. Journal of Experimental Psychology: Human Perception and Performance. 17 (2), 520-538 (1991).
  14. Miller, J. Timecourse of coactivation in bimodal divided attention. Perception and Psychophysics. 40 (5), 331-343 (1986).
  15. Gondan, M., Lange, K., Rosler, F., Roder, B. The redundant target effect is affected by modality switch costs. Psychonomic Bulletin Review. 11 (2), 307-313 (2004).
  16. Colonius, H., Diederich, A. The race model inequality: interpreting a geometric measure of the amount of violation. Psychological Review. 113 (1), 148-154 (2006).
  17. Maris, G., Maris, E. Testing the race model inequality: A nonparametric approach. Journal of Mathematical Psychology. 47 (5-6), 507-514 (2003).
  18. Clark, J. J., Yuille, A. L. Data Fusion for Sensory Information Processing Systems. , Kluwer Academic. (1990).
  19. Ernst, M. O., Banks, M. S. Humans integrate visual and haptic information in a statistically optimal fashion. Nature. 415 (6870), 429-433 (2002).
  20. Mahoney, J. R., Verghese, J., Dumas, K., Wang, C., Holtzer, R. The effect of multisensory cues on attention in aging. Brain Research. 1472, 63-73 (2012).
  21. Mahoney, J. R., Holtzer, R., Verghese, J. Visual-somatosensory integration and balance: evidence for psychophysical integrative differences in aging. Multisensory Research. 27 (1), 17-42 (2014).
  22. Mahoney, J. R., Dumas, K., Holtzer, R. Visual-Somatosensory Integration is linked to Physical Activity Level in Older Adults. Multisensory Research. 28 (1-2), 11-29 (2015).
  23. Dumas, K., Holtzer, R., Mahoney, J. R. Visual-Somatosensory Integration in Older Adults: Links to Sensory Functioning. Multisensory Research. 29 (4-5), 397-420 (2016).
  24. Couth, S., Gowen, E., Poliakoff, E. Using race model violation to explore multisensory responses in older adults: Enhanced multisensory integration or slower unisensory processing. Multisensory Research. 31 (3-4), 151-174 (2017).
  25. Gondan, M., Minakata, K. A tutorial on testing the race model inequality. Attention, Perception & Psychophysics. 78 (3), 723-735 (2016).
  26. Gondan, M. A permutation test for the race model inequality. Behavior Research Methods. 42 (1), 23-28 (2010).
  27. Kiesel, A., Miller, J., Ulrich, R. Systematic biases and Type I error accumulation in tests of the race model inequality. Behavior Research Methods. 39 (3), 539-551 (2007).
  28. Mahoney, J., Cotton, K., Verghese, J. Multisensory Integration Predicts Balance and Falls in Older Adults. Journal of Gerontology: Medical Sciences. , Epub ahead of print (2018).
  29. Mahoney, J. R., Verghese, J. Visual-Somatosensory Integration and Quantitative Gait Performance in Aging. Frontiers in Aging Neuroscience. 10, 377(2018).
  30. Yueh, B., et al. Long-term effectiveness of screening for hearing loss: the screening for auditory impairment--which hearing assessment test (SAI-WHAT) randomized trial. Journal of the American Geriatrics Society. 58 (3), 427-434 (2010).
  31. Galvin, J. E., et al. The AD8: a brief informant interview to detect dementia. Neurology. 65 (4), 559-564 (2005).
  32. Galvin, J. E., Roe, C. M., Xiong, C., Morris, J. C. Validity and reliability of the AD8 informant interview in dementia. Neurology. 67 (11), 1942-1948 (2006).
  33. Buschke, H., et al. Screening for dementia with the memory impairment screen. Neurology. 52 (2), 231-238 (1999).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

反应时间实验累积分布函数曲线下面积视觉躯体感觉刺激刺激呈现软件数据截除避免组平均差异认知运动结果
利用种族模型不等式量化行为多感官整合效应
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。