Name: Uso de la desigualdad del modelo de raza para cuantificar los efectos de integración multisensorial conductual (Video) | JoVE Journal
Uploaded: 2019-05-10T14:45:00.000+00:00
Duration: 8 min 13 s
Description: Aprende a cuantificar los efectos de integración multisensorial mediante la desigualdad del modelo de raza. Este método robusto evalúa fenotipos asociados a resultados cognitivos y motores en poblaciones clínicas.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

El actual cuerpo de trabajo cuenta con el apoyo del Instituto Nacional sobre el Envejecimiento del Instituto Nacional de Salud (K01AG049813 a JRM). La financiación suplementaria fue proporcionada por el Centro de Gerontología Resnick del Albert Einstein College of Medicine. Agradecimiento especial a todos los voluntarios y personal de investigación por el apoyo excepcional con este proyecto.

Todos los participantes proporcionaron consentimiento informado por escrito a los procedimientos experimentales, que fueron aprobados por la junta de revisión institucional del Albert Einstein College of Medicine.
1. Reclutamiento de Participantes, Criterios de Inclusión y Consentimiento
<ol><li>Reclutar a una cohorte relativamente grande de individuos de habla inglesa que puedan ambulado de forma independiente y estén libres de pérdidas sensoriales significativas; trastornos neurológicos o psiquiátricos activos que interfieren con las evaluaciones experimentales; y procedimientos médicos actuales/futuros que afectan la movilidad.</li>
	<li>Asegúrese de que cada participante pueda completar con éxito un examen de detección sensorial, donde se prueba formalmente la agudeza visual, auditiva y somatosensorial para confirmar la idoneidad del estudio.<ol>
<li>Utilice la tabla de ojos Snellen para asegurarse de que la agudeza visual bilateral sea mejor o igual que 20/100.</li>
		<li>Utilice un otoscopio emisor de tono para asegurarse de que los participantes puedan oír al menos un tono de 2.000 Hz a 25 dB30.</li>
		<li>Determinar si los participantes mantienen un diagnóstico de neuropatía clínica y si interfiere con la capacidad de sentir la estimulación somatosensorial experimental21,28,29.</li>
		<li>Si el participante no puede cumplir con estos requisitos sensoriales mínimos, no los incluya en el estudio.</li>
	</ol>
</li>
	<li>Excluir a los adultos mayores con demencia mediante la implementación de puntuaciones de corte de instrumentos de cribado fiables, como la puntuación de corte AD8 Dementia Screening Interview n.o 2 31,32; y la pantalla de deterioro de memoria MIS; puntuación de corte < 533.</li>
	<li>Pida a los participantes que proporcionen su consentimiento informado por escrito a los procedimientos experimentales (aprobados por una junta de revisión institucional local) si están dispuestos a participar.</li>
</ol>2. Diseño experimental
<ol><li>Utilice el software de presentación de estímulo para programar un experimento de tiempo de reacción simple con tres condiciones experimentales: visual (V) solo, somatosensorial (S) solo y visual-somatosensorial simultáneo (VS). Informar a los participantes para responder a cada estímulo sensorial, independientemente de la condición, tan pronto como sea posible. Consulte los archivos complementarios para obtener un ejemplo de una tarea RT simple de VS (Archivo complementario 1).<ol>
<li>Utilice un generador de estímulo con tres cajas de control (30,48 mm x 20,32 mm x 12,70 mm) y carcasa de plástico para estimuladores. Las cajas de control izquierda y derecha contienen diodos bilaterales emisores de luz azul (LED; 15,88 cm de diámetro) que se iluminan para la estimulación visual y motores bilaterales con amplitud de vibración de 0,8 G que vibran para la estimulación somatosensorial (equivalente a un vibración del teléfono celular)22,23,28.</li>
		<li>Asegurar que los generadores de estímulo proporcionen tanto unisensorial (visual o somatosensorial solo), así como estimulación multisensorial (visual simultánea y somatosensorial). Coloque una caja de control ficticia central equidistante (28 cm) de las cajas de control izquierda y derecha descritas en 2.1.1. y coloca una pegatina de objetivo visual (círculo central de 0,4 cm de diámetro) para servir como punto de fijación.</li>
		<li>Conecte el generador de estímulo al ordenador experimental a través del puerto paralelo que permite el control directo de cada estimulador.</li>
		<li>Programe el software de presentación de estímulo para enviar pulsos transistor-transistor-lógica (TTL, 5 V) a los generadores de estímulo de gatillo encendido y apagado directamente a través del puerto paralelo. Establezca el tiempo de presentación del estímulo en 100 ms de duración.</li>
	</ol>
</li>
	<li>En el software de presentación de estímulo, programar un mínimo de 3 bloques experimentales cada uno que consta de 45 ensayos (15 ensayos de cada condición de estímulo presentado en orden aleatorio) para un total de 135 presentaciones de estímulo para este experimento de tiempo de reacción simple.</li>
	<li>Variar el intervalo entre estímulos aleatoriamente entre 1 y 3 s para evitar efectos anticipatorios. Alternativamente, inserte ensayos de captura donde los parámetros de estímulo son los mismos que los anteriores, pero el pulso TTL no se envía, por lo tanto no se produce estimulación visual o somatosensorial y, por lo tanto, no se espera respuesta.</li>
	<li>Permita que los participantes hasta 2.000 ms respondan a cualquier condición de estímulo dada. Si no se detecta ninguna respuesta dentro del período de respuesta de 2.000 ms, asegúrese de que el software de presentación de estímulo avance automáticamente al siguiente ensayo. NOTA: Este corte de la ventana de respuesta es arbitrario pero necesario para mantener el tiempo experimental total al mínimo; tenga en cuenta que los RT más largos se establecerán en el infinito independientemente.</li>
	<li>Separe los tres bloques experimentales mediante la programación de roturas de 20 s en el software de presentación de estímulo para reducir la fatiga potencial y aumentar la concentración. Asegúrese de que cada bloque subsiguiente se inicia inmediatamente después de que finalice el descanso de 20 s.</li>
	<li>Instrucciones escritas del programa para aparecer en la pantalla visual (monitor del ordenador experimental). Las instrucciones exactas se proporcionan en el material suplementario. Pida al participante que comience el experimento empujando la almohadilla de respuesta con el pie derecho cuando esté listo para comenzar. Una vez programados los parámetros de estímulo, el software de presentación de estímulo crea un script que se ejecutará en cada participante.</li>
	<li>Proporcione el ID del participante y el número de sesión para ejecutar el script experimental. Una vez completado el experimento, se genera un registro de datos de comportamiento único para cada participante (consulte Archivo complementario 2 para un archivo de salida Eprime 2.0 de ejemplo).</li>
</ol>3. Aparatos y tareas
<ol><li>Pida a los participantes que se sientan erguidos y descansen cómodamente las manos sobre las cajas de control izquierda y derecha.<ol>
<li>Coloque estratégicamente los dedos índice sobre los motores vibratorios montados en la parte posterior de la caja de control, y los pulgares en la parte delantera de la caja de control, debajo del LED para no bloquear la luz (consulte la figura 1).</li>
		<li>Asegúrese de que los estímulos somatosensoriales son inaudibles proporcionando a los participantes auriculares sobre los cuales el ruido blanco continuo se reproduce a un nivel cómodo (normalmente 65-75 dBs).</li>
	</ol>
</li>
	<li>Indique a los participantes que respondan a todos los estímulos lo antes posible.<ol>
<li>Pida a los participantes que utilicen un pedal situado debajo del pie derecho como almohadilla de respuesta, ya que los dedos aceptarán estimulación somatosensorial (ver Figura 1).</li>
	</ol>
</li>
	<li>Calcule la precisión del rendimiento por condición de estímulo.<ol>
<li>Instruya a los participantes para que respondan a cada uno de los estímulos experimentales (45 por condición) lo más rápido posible.</li>
		<li>Divida el número de estímulos detectados con precisión por condición en 45 (número total de ensayos por condición) para obtener medidas de precisión de rendimiento para condiciones visuales, somatosensoriales y VS, respectivamente.</li>
	</ol>
</li>
</ol>4. Preparación de datos de desigualdad del modelo de raza (nivel individual)
<ol><li>Determinar si el rendimiento conductual de una persona es válido.<ol>
<li>Excluir a los participantes que no sean capaces de alcanzar una precisión del 70% correcta o superior en cualquier condición de estímulo A medida que disminuye la precisión del rendimiento del participante en una tarea de tiempo de reacción simple, también lo hace la fiabilidad de los datos del individuo.</li>
		<li>Considere los ensayos inexactos (omitidos) si un participante no responde a un estímulo dentro del período de tiempo de respuesta establecido y establezca el RT correspondiente en infinito en lugar de excluir el ensayo del análisis25,28. NOTA: En estudios anteriores, la detección de estímulos promediada por grupos (n-289) fue del 96% en todas las condiciones, y más del 90 % de la población tenía tasas de detección superiores al 90% para todas las condiciones28.</li>
		<li>No utilice procedimientos de recorte de datos que eliminen RT muy lentos, ya que esto sesgará la distribución de datos RT. 25 Asegúrese de que los tDs que sean claramente valores atípicos estén ajustados al infinito. Véase un archivo complementario que muestra las alteraciones en los CDF basadas en los procedimientos de recorte de datos y la inclusión de RT lentos (Archivocomplementario 3).</li>
	</ol></li>
	<li>Organice los datos RT.<ol>
<li>Ordene los datos RT en orden ascendente por la condición experimental. Coloque las condiciones visuales, somatosensoriales y VS en columnas separadas de datos RT ordenados. Asegúrese de que cada fila representa una prueba y cada celda representa el RT real (o infinito en el caso de ensayos omitidos o lentos).</li>
	</ol></li>
	<li>Bin los datos RT.<ol>
<li>Identifique el RT más rápido (a cualquier condición- elipse naranja) y el RT más lento (a cualquier condición-elipse roja). Restar el RT más lento del más rápido (por ejemplo, 740 ms – 237 ms) para calcular el rango RT del individuo (503ms; elipse azul) a través de TODAS las condiciones de prueba. La Tabla 1 muestra cómo calcular el rango RT de un individuo y representa los diversos elipses de color.</li>
		<li>Bin RT datos desde el 0% (RT más rápido a 237 en este ejemplo) al 100% (o RT más lento a 740 en este ejemplo) en incrementos del 5% tomando el RT más rápido y agregando gradualmente el 5% del rango RT identificado en 4.3.1 hasta que se contabiliza el 100% de los datos RT (ver Tabla 2 ). Esto dará como resultado contenedores de 21 veces. NOTA: En la Tabla 2 - 1%ile solo se incluye en la hoja de trabajo solo con fines ilustrativos.</li>
	</ol></li>
	<li>Calcule la frecuencia de distribución acumulativa (CDF) para las condiciones experimentales.<ol>
<li>Usando el software de hoja de cálculo, utilice una función "FREQUENCY" donde array1 es igual a los Rómpara reales para una de las condiciones experimentales y array2 es igual a los 21 bins RT cuantificados calculados en el paso 4.3, divididos por el número total de ensayos (45) por condición. Esto se ilustra en la Figura 2a.
</li>
		<li>Repita esta función para las otras dos condiciones experimentales (Figura2b-2c) para rellenar las frecuencias (o probabilidad (P)) de un RT que se produce dentro de cada uno de los 21 contenedores de tiempo cuantificados, para cada una de las tres condiciones experimentales.</li>
		<li>A continuación, cree la frecuencia de distribución acumulativa (CDF) sumando el total de probabilidades en ejecución en las ubicaciones cuantificadas (0%, 0+5%, 0+5+10%, 0+5+10+15%, etc.) para cada una de las tres condiciones experimentales. Por ejemplo, en la columna de probabilidad acumulativa para la condición Soma (columna AE), la probabilidad acumulada para el rango de 95%ile (celda AE22) es la suma de los valores de probabilidad en las celdas Z3:Z23 (consulte la figura 3).</li>
	</ol></li>
	<li>CDF reales frente a los predichas.<ol>
<li>Asegúrese de que el CDF de la condición multisensorial represente el CDF real (véase la columna AF del cuadro 4 y la traza púrpura trazada). Para calcular el CDF pronosticado (columna AG), sume los dos CDF unisensoriales (con un límite superior establecido en 1) en cada uno de los 21 contenedores de tiempo cuantificados (consulte la figura 5). Comience en el percentil 0 (bin 1) y continúe hasta el percentil 100 (bin 21).</li>
	</ol></li>
	<li>Realizar la prueba de la desigualdad del modelo de raza (RMI).<ol>
<li>Restar el CDF pronosticado (calculado en 4.5.2.) del CDF real para cada uno de los 21 contenedores de tiempo cuantificados para obtener los valores de diferencia (columna AH; véase la figura 6).</li>
		<li>Trazar estos 21 valores como un gráfico de líneas, donde el eje x representa cada uno de los contenedores de tiempo cuantificados (columna AC) y el eje Y representa la diferencia de probabilidad entre los CDF reales y los predichas (columna AH; Figura 7 (rastro negro).</li>
		<li>Compruebe si hay valores positivos en cualquier latencia (es decir, cuantiles) que indiquen la integración de los estímulos unisensoriales y reflejen una violación del RMI (véase la porción verde resaltada de la onda de diferencia de 0.00 – 0.10 en la Figura7).</li>
	</ol></li>
</ol>5. Cuantificación del Efecto Multisensorial (Nivel de Grupo).
<ol><li>Promedio del grupo de los datos RMI individuales (diferencias entre el CDF pronosticado y el CDF real para cada una de las ubicaciones de 21 veces; paso 4.6.1- columna AH) entre todos los participantes. Utilice un software de hoja de cálculo para asignar individuos a filas y ubicaciones de tiempo como columnas. En una nueva hoja de cálculo, coloque los 21 valores calculados en 4.6.1 en filas individuales (1 fila por participante) y valores medios dentro de las ubicaciones de tiempo para crear una forma de onda de diferencia promediada por grupo.</li>
	<li>Trazar el promedio de grupo de 21 valores como un gráfico de líneas, donde el eje X representa cada uno de los contenedores de tiempo cuantificados y el eje Y representa la diferencia de probabilidad entre los CdF.</li>
	<li>Inspeccione y documente visualmente la parte violada de la onda de diferencia promediada por el grupo (es decir, valores positivos).</li>
	<li>Ejecute la prueba de permutación RMI de Gondan (script R disponible como descarga gratuita)26 para determinar si hay una violación estadísticamente significativa del RMI sobre los valores positivos identificados en el paso 5.3.<ol>
<li>Organice los datos en un archivo de texto donde la primera columna se denomina "Obs" para Observer (por ejemplo, ID de participante), la segunda columna se denomina "Cond" para la condición de estímulo (V, S o VS) y la tercera columna se denomina "RT" para RT real o "Inf" si se establece en infinito.</li>
		<li>Abra el software, identifique qué ubicaciones de tiempo se deben probar (basadas en las ubicaciones de tiempo positivas identificadas en 5.3) e introduzca el nombre del archivo de texto creado en 5.4.1.</li>
		<li>Ejecute la prueba llamando al script. Los resultados proporcionarán un valor máximot, un criterio del 95% y un valor p que serán fundamentales para determinar si existe una infracción significativa del modelo de raza en toda la muestra del estudio.</li>
	</ol></li>
	<li>Calcule el área bajo la curva (AUC) para cada individuo después de establecer las bandejas de percentiles significativamente violadas en el paso 5.3. AUC servirá como la magnitud de la integración multisensorial (o la variable independiente). Para calcular los datos del participante 1 del participante como ejemplo, para las bandejas percentiles 0,00 - 0,15 que se muestran en la Figura 8a-d).<ol>
<li>Sume el valor de diferencia CDF en la ubicación del tiempo 1 (valor positivo del tiempo del 1 o) con el valor de diferencia CDF de la ubicación de tiempo 2 (próximo valor positivo) y, a continuación, divida entre dos (véase la figura 8a). Repita el paso 5.3.1. para cada par consecutivo de ubicaciones de tiempo que contengan valores positivos (consulte la figura 8b-8c).</li>
		<li>Suma los resultados obtenidos de los pasos 5.5.1 - 5.5.2. para generar el AUC total de la onda de diferencia CDF durante el rango de percentiles violado (por ejemplo, 0.00 – 0.15 en la Figura 8d). NOTA: El AUC es una medida continua y un valor de AUC está presente para cada individuo para la porción violada del RMI (Figura8d elipse roja - AUC del participante 1 a 0,13). El AUC se puede utilizar como una variable independiente que representa la "magnitud de la integración VS" que posteriormente se puede probar para predecir medidas de resultados clínicos importantes (véase también28,29).</li>
	</ol></li>
	<li>Asigne grupos de clasificación de integración multisensorial basados en el número de bines de percentiles violados (valores superiores a cero resaltados en gris en el Cuadro 3) durante el intervalo de percentiles significativamente infringido identificado anteriormente en el paso 5.3. Mirando la Tabla 3 (bins percentiles 0.00 – 0.15): El Participante 1 tiene valores positivos para 2 de 4 bins; El participante 2 tiene valores positivos para 4 de 4 contenedores; y el Participante 3 tiene valores positivos para 0 de 4 bins.<ol>
<li>Operacionalice un sistema de clasificación basado en el número de ubicaciones de percentiles infringidas (valores mayores que cero para 0, 1, 2 o 3 bins) durante el percentil 0-10.</li>
		<li>
La Figura 9 muestra una definición de clasificación potencial que se adapta a partir de los datos publicados recientemente presentados por Mahoney y Verghese29.</li>
	</ol></li>
</ol>

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

No hay conflictos de intereses que informar y los autores no tienen nada que revelar.

El objetivo del estudio actual fue detallar el proceso detrás del establecimiento de un fenotipo de integración multisensorial robusto. Aquí, proporcionamos los pasos necesarios y críticos necesarios para adquirir efectos de integración multisensorial que se pueden utilizar para predecir resultados cognitivos y motores importantes basados en circuitos neuronales similares. Nuestro objetivo general era proporcionar un tutorial paso a paso para calcular la magnitud de la integración multisensorial en un esfuerzo por facili...

Las interacciones entre sistemas sensoriales son esenciales para las funciones cotidianas. Mientras que los efectos de integración multisensorial se miden a través de una amplia gama de poblaciones utilizando combinaciones sensoriales variadas y diferentes enfoques de neurociencia [incluyendo pero no limitado a la psicofísica, electrofisiológica, y neuroimagen metodologías]1,2,3,4,5,6,7,8,9, actualmente un estándar de oro para cuantificación de la integración multisensorial. Dado que los experimentos multisensoriales suelen contener un componente conductual, los datos de tiempo de reacción (RT) a menudo se examinan para determinar la existencia de un fenómeno conocido llamado efecto de señales redundantes10. Como su nombre indica, las señales sensoriales simultáneas proporcionan información redundante, que normalmente producen RTmás más rápidos y modelos de coactivación se utilizan para explicar el efecto de señales redundantes mencionado anteriormente11. Bajo los modelos de carrera, la señal unisensorial que se procesa más rápido es el ganador de la carrera y es responsable de producir la respuesta conductual. Sin embargo, la evidencia de coactivación se produce cuando las respuestas a los estímulos multisensoriales son más rápidas de lo que predicen los modelos de raza.
Las versiones anteriores del modelo de raza son intrínsecamente controvertidas12,13 como algunos se refieren a los más conservadores14,15 y supuestamente contienen limitaciones con respecto a la independencia entre los tiempos de detección unisensorial constituyente inherentes a la condición multisensorial16. En un esfuerzo por abordar algunas de estas limitaciones, Colonius &amp; Diederich16 desarrolló una prueba de modelo de carrera más convencional:
<img alt="Equation 1" src="/files/ftp_upload/59575/59575eq1.jpg">,
cuando las frecuencias de distribución acumulativa (CdF) de las condiciones unisensoriales (por ejemplo, A &amp; B; con un límite superior de uno) se comparen con el CDF de la condición multisensorial simultánea (por ejemplo, AB) para cualquier latencia dada (t)11, 16 , 17. En general, un CDF determina la frecuencia con la que se produce un RT, dentro de un rango determinado de RT, dividido por el número total de presentaciones de estímulo (es decir, ensayos). Si el CDF de la <img alt="Equation 2" src="/files/ftp_upload/59575/59575eq2.jpg"> condición multisensorial real es menor o igual que el CDF previsto derivado de las condiciones unisensoriales
<img alt="Equation 3" src="/files/ftp_upload/59575/59575eq3.jpg">,
entonces se acepta el modelo de carrera y no hay evidencia para la integración sensorial. Sin embargo, cuando el CDF multisensorial es mayor que el CDF previsto derivado de las condiciones unisensoriales, se rechaza el modelo de carrera. El rechazo del modelo de carrera indica que las interacciones multisensoriales de fuentes sensoriales redundantes se combinan de manera no lineal, lo que resulta en una aceleración de los RT (por ejemplo, la facilitación de RT) a los estímulos multisensoriales.
Un obstáculo principal al que se enfrentan los investigadores multisensoriales es cómo cuantificar mejor los efectos de integración. Por ejemplo, en el caso del paradigma multisensorial conductual más básico, donde se pide a los participantes que realicen una tarea de tiempo de reacción simple, se recopila información sobre precisión y velocidad. Estos datos multisensoriales pueden utilizarse en el valor nominal o manipularse utilizando diversas aplicaciones matemáticas, incluyendo pero no limitado a la Estimación de Probabilidad Máxima18,19, CDFs11, y varias otras estadísticas Enfoques. La mayoría de nuestros estudios multisensoriales anteriores emplearon enfoques cuantitativos y probabilísticos en los que los efectos integradores multisensoriales se calcularon en 1) restando el tiempo medio de reacción (RT) a un evento multisensorial del tiempo medio de reacción ( RT) al evento unisensorial más corto, y 2) empleando CdFs para determinar si la facilitación de RT fue el resultado de interacciones sinérgicas facilitadas por información sensorial redundante8,20,21, 22 , 23. Sin embargo, es probable que la metodología anterior no fuera sensible a las diferencias individuales en los procesos integradores y los investigadores han postulado desde entonces que la metodología posterior (es decir, los CDF) puede proporcionar un mejor apoderado para cuantificar efectos integradores24.
Gondan y Minakata publicaron recientemente un tutorial sobre cómo probar con precisión la desigualdad del modelo de carrera (RMI) ya que los investigadores con demasiada frecuencia cometen innumerables errores durante las etapas de adquisición y preprocesamiento de la recopilación y preparación de datos RT25. En primer lugar, los autores postulan que es desfavorable aplicar procedimientos de recorte de datos cuando se establecen ciertos límites de RT mínimos y máximos a priori. Recomiendan que las respuestas lentas y omitidas se establezcan en infinito, en lugar de excluirse. En segundo lugar, dado que el RMI puede ser violado en cualquier latencia, a menudo se utilizan varias pruebas t para probar el RMI en diferentes puntos de tiempo (es decir, cuantiles); desafortunadamente, esta práctica conduce al mayor error de tipo I y a una potencia estadística sustancialmente reducida. Para evitar estos problemas, se recomienda que el RMI se pruebe en un intervalo de tiempo específico. Algunos investigadores han sugerido que tiene sentido probar el cuartil más rápido de las respuestas (0-25%)26 o algunas ventanas previamente identificadas (es decir, 10-25%)24,27 como efectos de integración multisensorial se observan típicamente durante ese intervalo de tiempo; sin embargo, argumentamos que el rango de percentiles que se va a probar debe ser dictado por el conjunto de datos real (véase la Sección 5del Protocolo ). El problema de confiar en los datos publicados de adultos jóvenes o simulaciones por computadora es que los adultos mayores manifiestan distribuciones de RT muy diferentes, probablemente debido a las disminuciones relacionadas con la edad en los sistemas sensoriales. Las pruebas de significancia del modelo de carrera solo deben probarse sobre las porciones violadas (valores positivos) de la onda de diferencia promediada por grupo entre los CDF reales y los cdF previstos de la cohorte del estudio.
Para ello, se ha demostrado un efecto protector de la integración multisensorial en adultos mayores sanos utilizando la prueba convencional del modelo de carrera16 y los principios establecidos por Gondan y sus colegas25. De hecho, se encontró que una mayor magnitud del RMI visual-somatosensorial (un proxy para la integración multisensorial) estaba vinculado a un mejor rendimiento del equilibrio, menor probabilidad de caídas de incidentes y un mayor rendimiento de la marcha espacial28,29.
El objetivo del experimento actual es proporcionar a los investigadores un tutorial paso a paso para calcular la magnitud de los efectos de integración multisensorial utilizando el RMI, para facilitar la mayor producción de diversos estudios de investigación traslacional a través de muchas poblaciones clínicas diferentes. Tenga en cuenta que los datos presentados en el estudio actual son de experimentos visuales-somatosensoriales publicados recientemente realizados en adultos mayores sanos28,29, pero esta metodología se puede aplicar a varias cohortes en muchas diseños experimentales, utilizando una amplia gama de combinaciones multisensoriales.

<table><tbody><tr><td>generador de estímulos</td><td>Zenometrics, LLC; Peekskill, NY, EE. UU</td><td>. n/a</td> Excel <td>personalizado Programa de</td></tr><tr><td>hoja de cálculo</td><td></td><td>de Microsoft Corporation</td><td></td></tr><tr><td>Eprime</td><td>Psychology Software Tools (PST)</td><td></td> <td>software de presentación de estímulos</td></tr></tbody></table>

uso de la desigualdad del modelo de raza para cuantificar los efectos de integración multisensorial conductual

Using the Race Model Inequality to Quantify Behavioral Multisensory Integration Effects

La investigación de integración multisensorial investiga cómo el cerebro procesa la información sensorial simultánea. La investigación sobre animales (principalmente gatos y primates) y humanos revela que la integración multisensorial intacta es crucial para funcionar en el mundo real, incluyendo tanto las actividades cognitivas como las físicas. Gran parte de la investigación llevada a cabo en las últimas décadas documenta efectos de integración multisensorial utilizando diversas técnicas psicofísicas, electrofisiológicas y de neuroimagen. Si bien su presencia ha sido reportada, los métodos utilizados para determinar la magnitud de los efectos de integración multisensorial varían y normalmente se enfrentan a muchas críticas. A continuación, se describen las limitaciones de los estudios de comportamiento anteriores y se proporciona un tutorial paso a paso para calcular la magnitud de los efectos de integración multisensorial utilizando modelos de probabilidad robustos.

El propósito de este estudio fue proporcionar un tutorial paso a paso de un enfoque metódico para cuantificar la magnitud de los efectos de integración VS, para fomentar la publicación de nuevos estudios multisensoriales utilizando diseños experimentales y configuraciones similares (ver Figura 1 ). Las capturas de pantalla de cada paso y el cálculo necesarios para obtener la magnitud de los efectos de integración multisensorial, medidos por RMI AUC, se delinean arriba y se ilustran en <stron...

El estudio actual tiene como objetivo proporcionar un tutorial paso a paso para calcular la magnitud de los efectos de integración multisensorial en un esfuerzo por facilitar la producción de estudios de investigación traslacional en diversas poblaciones clínicas.

Uso de la desigualdad del modelo de raza para cuantificar los efectos de integración multisensorial conductual

Multisensory integration research investigates how the brain processes simultaneous sensory information. Research on animals (mainly cats and primates) ...

El establecimiento de un método reproducible para calcular la magnitud de los efectos de integración multisensorial es significativo, ya que ayudará a facilitar la investigación traslacional futura en diversas poblaciones clínicas. La principal ventaja de nuestra técnica es que somos capaces de cuantificar un fenotipo robusto de integración multisensorial que posteriormente se asocia con importantes resultados cognitivos y motores en el envejecimiento, como el equilibrio, las caídas, la marcha y las funciones ejecutivas. Comience por usar un software de presentación de estímulo para programar un experimento de tiempo de reacción simple con tres condiciones experimentales, solo visual, somatosensorial solo y visual-somatosensorial simultáneo.Utilice un generador de estímulo con tres cajas de control. Las cajas de control izquierda y derecha contienen diodos bilaterales emisores de luz azul que se iluminan para estimulación visual y motores bilaterales con amplitud de vibración de 0,8 G que vibran para la estimulación somatosensorial, así como carcasa de plástico para los estimuladores. A continuación, coloque una caja de control ficticia central equidistante de los cuadros de control izquierdo y derecho, y coloque una etiqueta adhesiva de destino visual para que sirva como punto de fijación.Después de que el experimento se haya establecido, escolte al participante a la sala de pruebas. Pida al participante que se siente erguido y descanse cómodamente las manos sobre las cajas de control izquierda y derecha. Coloque estratégicamente los dedos índice sobre los motores vibratorios montados en la parte posterior de la caja de control y los pulgares en la parte delantera de la caja de control debajo de los LED, para no bloquear la luz.Asegúrese de que los estímulos somatosensoriales son inaudibles proporcionando a los participantes auriculares sobre los cuales se reproduce ruido blanco continuo a un nivel cómodo. Pida al participante que utilice un pedal situado debajo del pie derecho como almohadilla de respuesta. Por último, pida al participante que responda a cada estímulo lo más rápido posible, independientemente de si lo siente, lo ve o lo siente y lo ve.Comience el análisis excluyendo a los participantes que no son capaces de alcanzar una precisión del 70% correcta o mayor en cualquier condición de estímulo. Considere los ensayos inexactos si un participante no responde a un estímulo dentro del período de tiempo de respuesta establecido y establece el tiempo de reacción correspondiente, o RT, hasta el infinito en lugar de excluir el ensayo del análisis. Los datos RT se ordenan en orden ascendente por la condición experimental.Coloque las condiciones visuales, somatosensoriales y VS en columnas separadas de datos RT ordenados. Asegúrese de que cada fila representa una prueba y cada celda representa el RT real. Tenga en cuenta que no emplea procedimientos de recorte de datos que eliminen RT muy lentos, ya que esto sesgará la distribución de datos RT. Asegúrese de que los RT que son claramente atípicos estén ajustados al infinito.Entonces, para bin los datos RT, identifique el RT más rápido y más lento. Reste el RT más lento del más rápido para calcular el rango RT del individuo en todas las condiciones de prueba. Bin RT datos del 0%al 100% en incrementos del 5% tomando el RT más rápido y añadiendo gradualmente el 5% al rango RT calculado previamente hasta que se tenga en cuenta el 100% de los datos RT, para dar lugar a 21 ubicaciones de tiempo. A continuación, dentro de una hoja de cálculo de computadora, utilice una función de frecuencia donde la matriz uno es igual a los RT reales para una de las condiciones experimentales y la matriz dos es igual a las 21 ubicaciones RT cuantificadas calculadas previamente divididas por el número total de ensayos, 45, por condición.A continuación, cree la frecuencia de distribución acumulativa, o CDF, sumando el total de probabilidades en ejecución en las ubicaciones cuantificadas para cada una de las tres condiciones experimentales. El CDF de la condición multisensorial representa el CDF real. Para calcular el CDF pronosticado, sume los dos CDF unisensoriales con un límite superior establecido en uno.Utilice esta fórmula en cada una de las 21 ubicaciones de tiempo cuantificadas. Comience en el percentil cero, y continúe hasta el percentil 100 para la bin 21. A continuación, para llevar a cabo la prueba de la desigualdad del modelo de carrera, reste el CDF previsto del CDF real para cada una de las 21 ubicaciones de tiempo cuantificadas para obtener los valores de diferencia.Trazar estos 21 valores como un gráfico de líneas, donde el eje X representa cada una de las bandejas de tiempo cuantificadas y el eje Y representa la diferencia de probabilidad entre los CDF reales y predichos. Aquí, los valores positivos en cualquier latencia indican la integración de los estímulos unisensoriales y reflejan una violación del IMC. Para cuantificar el efecto multisensorial a nivel de grupo, el grupo promedia los datos de RMI individuales en todos los participantes.Utilice una hoja de cálculo para asignar individuos a filas y ubicaciones de tiempo a columnas. A continuación, en una nueva hoja de cálculo, coloque los 21 valores de diferencia calculados anteriormente en filas individuales y valores medios dentro de las ubicaciones de tiempo para crear una forma de onda de diferencia promediada por grupo. A continuación, trace el promedio del grupo 21 valores como un gráfico de líneas, donde el eje X representa cada una de las bandejas de tiempo cuantificadas y el eje Y representa la diferencia de probabilidad entre los CDF.Por último, calcule el área debajo de la curva para cada individuo utilizando los datos de uno participantes como ejemplo. Sume el valor de diferencia CDF en la ubicación de tiempo uno con el valor de diferencia CDF en la ubicación de tiempo dos y, a continuación, divida por dos. Inspeccione visualmente cada par consecutivo de ubicaciones de tiempo que contengan valores positivos.Entonces, sume estos resultados para generar el AUC total de la onda de diferencia del CDF durante el rango de percentil violado de 0.00 a 0.10. Los resultados indican que se produce una infracción promedio de grupo en el rango de percentil de cero a 10% para una muestra de 333 adultos mayores. El número total de valores positivos, cero, uno, dos o tres, para esos tres cuantiles, 0,00 a 0,10, determina a qué grupo de clasificación multisensorial se asigna una persona, ya sea deficiente, pobre, buena o superior, respectivamente.Como hemos descrito anteriormente, es fundamental evitar los procedimientos de recorte de datos, ya que sesga las distribuciones RT. Los tiempos de reacción lentos y los ensayos omitidos deben ajustarse al infinito. El objetivo principal aquí era desarrollar un fenotipo robusto de integración multisensorial.Dicho esto, somos conscientes de los patrones diferenciales de integración multisensorial en el envejecimiento, y nuestro siguiente paso será descubrir las redes neuronales responsables de dichos procesos integradores mientras determinamos cómo las alteraciones estructurales o funcionales específicas contribuyen a los patrones de integración diferencial. Estamos trabajando en la identificación de los correlatos neuronales asociados con la integración visual-somatosensorial en el envejecimiento, y creemos que tales desarrollos proporcionarán información sobre varias enfermedades, incluyendo pero no limitado a la enfermedad de Alzheimer y Parkinson.

using-race-model-inequality-to-quantify-behavioral-multisensory

Research

Investigación

JoVE Journal

Behavior

Comportamiento

Análisis clásico modelo multivariado predice los estímulos sensoriales un sujeto percibe de la actividad neuronal en la corteza correspondiente (por ejemplo, los estímulos visuales de la actividad en la corteza visual). En este caso, se aplica el análisis de patrones cross-modal y demostrar que el sonido y el tacto, lo que implica estímulos visuales se pueden predecir a partir de la actividad en el auditorio y la corteza somatosensorial, respectivamente.

Cross-modal Análisis Multivariante Patrón

Una forma eficiente de obtener una idea de cómo los seres humanos se navega en tres dimensiones se describe. El método se aprovecha de un simulador de movimiento capaz de mover los observadores de manera inalcanzables por los simuladores tradicionales. Los resultados confirman que el movimiento en el plano horizontal se subestima, mientras que el movimiento vertical está sobreestimada.

MPI CyberMotion Simulator: Implementación de un simulador de movimiento Novela encargado de investigar la integración multisensorial ruta en tres dimensiones

Procesamiento perceptivo y categoría del Uncanny Valley Hipótesis &#39;Dimensión de semejanza humana: algunas cuestiones metodológicas

Se demuestra cómo una medida objetiva se puede emplear en la goma de la mano paradigma ilusión ampliamente empleado. Esta medida se obtiene mediante la modificación de la tarea congruencia crossmodal bien establecida. Esta tarea permite la investigación de los procesos multisensoriales que son críticos para la modulación de las representaciones del cuerpo como en la mano ilusión de goma.

El Grupo de Congruencia crossmodal como medio para obtener una medida del comportamiento objetivo de la Guía Caucho mano Illusion Paradigm

Describimos cómo implementar una batería de tareas conductuales para examinar el procesamiento y la integración de estímulos sensoriales en niños con TEA. El objetivo es caracterizar las diferencias individuales en el procesamiento temporal de estímulos auditivos y visuales simples y relacionarlas con habilidades perceptivas de orden superior como la percepción del habla.

Prueba de la función sensorial y multisensorial en niños con Trastorno del Espectro Autista

Las anormalidades cognitivas atencionales que cambian de conjunto son una característica central de muchas enfermedades psiquiátricas. Aquí, presentamos el desarrollo de un nuevo sistema automático para el estudio efectivo de las habilidades de cambio de configuración atencional, las funciones ejecutivas y otras habilidades cognitivas en ratones con alta validez traslacional para estudios en humanos.

Una operante intra / extra-dimensional Conjunto de cambio de tareas para ratones

Los juicios de orden temporal se pueden utilizar para estimar los parámetros de velocidad de procesamiento y los pesos atencionales y, por lo tanto, para inferir los mecanismos del procesamiento atencional. Esta metodología se puede aplicar a una amplia gama de estímulos visuales y trabaja con muchas manipulaciones de la atención.

La medición de velocidad Atención y tratamiento visual de análisis basado en modelos de resoluciones judiciales de orden temporal

Psicofísica es esencial para el estudio de fenómenos de percepción a través de información sensorial. Aquí presentamos un protocolo para realizar una tarea de elección forzada de dos intervalos como se implementó en un informe anterior sobre psicofísica humana donde los participantes estima la duración de intervalos de visuales, auditivos o audiovisuales de aperiódicos trenes de pulsos.

Una tarea de selección forzada de intervalo de dos comparaciones multisensorial

Procesamiento temporal, un proceso preattentive, puede ser la base déficit en procesos cognitivos superiores, incluyendo atención, comúnmente observada en trastornos neurocognitivos. Mediante la inhibición del prepulse como un paradigma de ejemplo, presentamos un protocolo para manipular intervalo interstimulus (ISI) para establecer la forma de la función ISI para proporcionar una evaluación de proceso temporal.

El poder del Interstimulus intervalo para la evaluación de proceso Temporal en roedores

Presentamos un protocolo para aplicar los estímulos visuales-táctiles incongruentes durante una tarea de transferencia de objetos. Concretamente, durante las transferencias de bloques, realizadas mientras la mano está oculta, una presentación virtual del bloque muestra apariciones aleatorias de caídas de bloques falsas. El protocolo también describe la adición de retroalimentación vibrotáctil mientras se realiza la tarea del motor.

Aplicación de estímulos visuales-táctiles incongruentes durante la transferencia de objetos con retroalimentación Vibro-táctil

El protocolo presenta un paradigma psicofísico experimental para obtener grandes cantidades de juicios de similitud, y un flujo de trabajo de análisis acompañante. El paradigma sondea los efectos del contexto y permite el modelado de datos de similitud en términos de espacios euclídeos de al menos cinco dimensiones.

Un paradigma psicofísico para la recopilación y el análisis de juicios de similitud

Aprende a cuantificar los efectos de integración multisensorial mediante la desigualdad del modelo de raza. Este método robusto evalúa fenotipos asociados a resultados cognitivos y motores en poblaciones clínicas.

Uso de la desigualdad del modelo de raza para cuantificar los efectos de integración multisensorial conductual

Explorar más videos