Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

שימוש שוויון מודל הגזע לכמת התנהגות מרובת חושים השפעות אינטגרציה

Published: May 10, 2019 doi: 10.3791/59575
Automatic Translation
1, 1,2
1Department of Neurology, Division of Cognitive & Motor Aging, Albert Einstein College of Medicine, 2Department of Medicine, Division of Geriatrics, Albert Einstein College of Medicine

Summary

המחקר הנוכחי נועד לספק הדרכה צעד אחר צעד לחישוב היקף של השפעות שילוב רב חושי במאמץ להקל על ייצור לימודי המחקר הטרנסלבותית על פני אוכלוסיות קליניות מגוונות.

Abstract

מחקר שילוב רב חושי חוקר כיצד המוח מעבד מידע חושי סימולטני. מחקר על בעלי חיים (בעיקר חתולים ופרימטים) ובני אדם חושפים כי שילוב רב חושי הוא חיוני לתפקוד בעולם האמיתי, כולל פעילות קוגניטיבית וגופנית. רוב המחקרים שנערכו בעשורים האחרונים מסמכים השפעות אינטגרציה רב חושית תוך שימוש בטכניקות פסיכופיסיים, אלקטרופיזיולוגיות ושיטות דימות מגוונות. בעוד שהנוכחות שלו דווחה, השיטות המשמשות לקביעת הגודל של אפקטי אינטגרציה רב-חושיים משתנה ובדרך כלל מופנות לביקורת רבה. באופן הבא, מגבלות של מחקרים התנהגותיים קודמים מתוארים והדרכה צעד אחר צעד לחישוב הגודל של אפקטי שילוב רב חושי באמצעות מודלים הסתברות חזקה מסופק.

Introduction

אינטראקציות בין מערכות חישה חיוניות לפונקציות יומיומיות. בעוד השפעות שילוב רב חושי נמדדות על פני מגוון רחב של אוכלוסיות באמצעות שילובי חושים מגוונים וגישות שונות של מדעי המוח (כולל אך לא רק הפסיכופיסיים, אלקטרופיזיולוגיה ודימות מוחי. מתודולוגיות]1,2,3,4,5,6,7,8,9, כיום תקן זהב ל כימות שילוב רב חושי חסר. בהתחשב בעובדה שניסויים רב חושיים מכילים בדרך כלל רכיב התנהגותי, נתוני זמן תגובה (RT) נבדקים לעתים קרובות כדי לקבוע את קיומה של תופעה ידועה הנקראת אפקט אותות יתירים10. כפי ששמה מרמז, אותות חישה סימולטני מספקים מידע מיותר, אשר בדרך כלל להניב RTs מהירה יותר. מודלים מירוץ ושיתוף הפעלה משמשים כדי להסביר את האפקט המוזכר לעיל האותות העודפים11. תחת מודלים גזע, האות הunisensory כי הוא מעובד המהיר ביותר הוא הזוכה של המירוץ והוא אחראי על הפקת התגובה התנהגותית. עם זאת, ראיות להפעלה שיתוף מתרחשת כאשר תגובות גירויים רב-חושי הם מהירים יותר מאשר מודלים גזע לחזות.

גרסאות קודמות של מודל הגזע הם שנויים במחלוקת12,13 כפי שהם התייחסו על ידי כמה שמרני יותר מדי14,15 ולדוגמה מכילים מגבלות על העצמאות בין זמני הזיהוי הunisensory של המרכיבים הטבועים במצב רב-חושי16. במאמץ לטפל בכמה ממגבלות אלה, הקולוניאלים & Diederich16 פיתח מבחן מודל קונבנציונאלי יותר מירוץ:

Equation 1,

כאשר תדרי ההפצה המצטברים (CDFs) של התנאים הunisensory (למשל, A & B; עם מגבלה עליונה של אחד) מושווים ל-CDFS של המצב הרב חושי (למשל, AB) עבור כל השהיה נתונה (t)11, מיכל בן 16 , 17. באופן כללי, cdf קובע באיזו תדירות מתרחשת RT, בתוך טווח נתון של RTs, מחולקת במספר הכולל של מצגות גירוי (כלומר, מבחנים). אם ה-CDF של תנאי Equation 2 רב-חושי בפועל קטן או שווה ל-cdf החזוי שנגזר מהתנאים הunisensory

Equation 3,

אז מודל המרוץ מתקבל ואין ראיות לאינטגרציה חושית. עם זאת, כאשר ה-CDF הרב-חושי גדול יותר מ-CDF החזוי שנגזר מהתנאים הunisensory, מודל המרוץ נדחה. דחיית מודל הגזע מציין כי אינטראקציות רב חושית ממקורות חושים יתירים לשלב באופן לא ליניארי, והתוצאה היא האצת של RTs (למשל, הנחיה RT) לגירויים רב חושי.

אחת המשוכה העיקרית הפנים חוקרים רב חושי הוא כיצד הטוב ביותר לכמת השפעות שילוב. למשל, במקרה של הפרדיגמה הבסיסית ביותר התנהגותית מרובת חושים, שבו המשתתפים מתבקשים לבצע משימה פשוטה זמן תגובה, מידע לגבי דיוק ומהירות נאסף. ניתן להשתמש בנתונים רב-חושיים כאלה בערך הפנים או מניפולציות באמצעות יישומים מתמטיים שונים, לרבות אך לא רק להערכת סבירות מקסימלית18,19, cdfs11, ושונות סטטיסטיות אחרות גישות. רוב המחקרים הקודמים שלנו, המועסקים בגישות כמותיים ובעלי יכולת השפעה, כאשר השפעות אינטגרטיבי מרובה חושים חושבו על ידי 1) הפחתת זמן התגובה הממוצע (RT) לאירוע רב חושי מזמן התגובה הממוצע ( RT) לאירוע unisensory הקצר ביותר, ו-2) על ידי העסקת cdfs כדי לקבוע אם הנחיה ההנחיה הביאה מאינטראקציות סינגיסטיות שנוצרו באמצעות מידע חושי מיותר8,20,21, מיכל בן 22 , 23. עם זאת, המתודולוגיה הקודמת הייתה ככל הנראה לא רגישה להבדלים הבודדים בתהליכים האינטגרטיבית והחוקרים הפוזיטיביים כי המתודולוגיה המאוחרת (דהיינו, cdfs) עשויה לספק פרוקסי טוב יותר לכימות רב-חושי אפקטים אינטגרטיבית24.

גונדן ו Minakata לאחרונה פרסמה הדרכה על איך לבדוק במדויק את שוויון מודל הגזע (RMI) מאז החוקרים כל לעתים קרובות מדי לעשות שגיאות אינספור במהלך רכישת ועיבוד טרום בשלבים של נתוני RT איסוף והכנה25. ראשית, המחברים ורכבותן כי הוא שלילי להחיל הליכי קיצוץ נתונים שבו מסוימים מגבלות RT מינימום ומקסימום מוגדר. הם ממליצים שתגובות איטיות ומושמטות יהיו מוגדרות לאינסוף ולא ייכללו. שנית, בהתחשב בעובדה RMI יכול להיות מופר בכל השהיה, מספר t-בדיקות משמשות לעתים קרובות כדי לבדוק את RMI בנקודות זמן שונות (כלומר, כימות); למרבה הצער, המנהג הזה מוביל את השגיאה סוג מוגבר אני ומופחתת באופן משמעותי כוח סטטיסטי. כדי להימנע מבעיות אלה, מומלץ לבדוק את RMI בטווח זמן ספציפי אחד. כמה חוקרים הציעו כי זה הגיוני לבדוק את הרביעון המהיר ביותר של תגובות (0-25%) או כמה חלונות מזוהים מראש (כלומר, 10-25%)24,27 כמו אפקטי שילוב רב חושית נצפו בדרך כלל במהלך מרווח זמן זה; עם זאת, אנו טוענים כי טווח האחוזון שיש לבדוק חייב להיות מוכתב על-ידי ערכת הנתונים בפועל (ראה פרוטוקול 5). הבעיה בהסתמך על נתונים שפורסמו ממבוגרים צעירים או סימולציות מחשב היא שמבוגרים מבוגרים יותר מופיעים הפצות RT שונות מאוד, כנראה עקב ירידות גיל הקשורות במערכות חישה. מודל הגזע בדיקות מובהקות צריך להיבדק רק על חלקים הפר (ערכים חיוביים) של קבוצה-ההבדל הממוצע גל בין CDFs בפועל וחזויים מתוך המחקר.

למטרה זו, הוכח השפעה מגוננת על שילוב רב חושי אצל מבוגרים בוגרים בריאים באמצעות המבחן המקובל במודל הגזע16 והעקרונות שנקבעו על ידי גונדן ועמיתיו25 הפגינו. למעשה, בסדר גודל גדול יותר של ויזואלית-המגע rmi (פרוקסי עבור אינטגרציה מרובת חושים) נמצאה קשורה לשיפור ביצועים טובים יותר, הסתברות נמוכה יותר של האירוע נופל והגביר ביצועי הילוך מרחבית28,29.

מטרת הניסוי הנוכחי היא לספק לחוקרים הדרכה צעד אחר צעד כדי לחשב את הסדר הגודל של אפקטי אינטגרציה רב חושית באמצעות RMI, כדי להקל על ייצור מוגבר של לימודי מחקר טרנסלטיתיות מגוונות ברחבי אוכלוסיות קליניות רבות ושונות. שימו לב כי הנתונים המוצגים במחקר הנוכחי הם מניסויים חזותיים שפורסמו לאחרונה שנערכו על מבוגרים בריאים בוגרים28,29, אבל מתודולוגיה זו יכולה להיות מוחלת על מתודולוגיות שונות על פני רבים שונים עיצובים ניסיוניים, ניצול מערך רחב של צירופים רב חושיים.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

כל המשתתפים שניתנו בכתב הסכמה מושכלת להליכים הניסיוניים, שאושרו על-ידי מועצת הביקורת המוסדית של מכללת אלברט איינשטיין לרפואה.

1. גיוס משתתפים, קריטריוני הכללה והסכמה

  1. גייס קבוצה גדולה יחסית של אנשים דוברי אנגלית שיכולים לambulate באופן עצמאי וחופשיים מאיבוד חושים משמעותי; הפרעות נוירולוגיות או פסיכיאטריות פעילות המפריעות להערכות נסיוניות; והליכים רפואיים נוכחיים ועתידיים המשפיעים על ניידות.
  2. ודא כי כל משתתף יכול להשלים בהצלחה בדיקת הקרנה חושית, שם הראייה החזותית, השמיעה, והמגע הגופני נבדקים באופן רשמי כדי לאשר את הלמידה הולם.
    1. השתמש בתרשים העיניים של Snellen כדי לוודא שחדות הראייה הדו היא טובה יותר או שווה ל-20/100.
    2. השתמש בהאוטוסקופ כדי להבטיח שהמשתתפים יהיו במינימום מסוגל לשמוע 2,000 Hz בטון של 25 dB30.
    3. לקבוע אם המשתתפים לשמור אבחנה של נוירופתיה קלינית ואם זה מפריע עם היכולת להרגיש את גירוי המגע הניסיוני21,28,29.
    4. אם המשתתף אינו מסוגל לעמוד בדרישות החישה המינימליות הללו, אל תכלול אותן בחדר העבודה.
  3. להוציא מבוגרים בוגרים עם דמנציה על ידי ביצוע גזירה-ציונים של מכשירי הקרנה אמין כגון הAD8 דמנציה ראיון ההקרנה הציון ≥ 2 31,32; ואת המסך ליקוי זיכרון MIS; נקודות חיתוך < 533.
  4. המשתתפים מספקים הסכמה מושכלת בכתב להליכים הניסיוניים (שאושרו על-ידי לוח סקירה מוסדי מקומי) אם מוכנים להשתתף.

2. תכנון ניסיוני

  1. השתמש בתוכנת מצגת גירוי לתוכנית ניסוי זמן תגובה פשוט עם שלושה תנאים ניסיוניים: חזותי (V) לבד, המגע האוראלי (S) בלבד, ו-ויזואלית בו-סוחושי (VS). הודיעו למשתתפים להגיב לכל גירוי חושי, ללא קשר למצב, במהירות האפשרית. עיין בקבצים משלימים לקבלת דוגמה של משימת RT פשוטה של VS (קובץ משלים 1).
    1. השתמש גנרטור גירוי עם שלוש תיבות שליטה (30.48 mm × 20.32 מ"מ × 12.70 מ"מ) ו מגורים פלסטיק לגירוי. תיבות הבקרה השמאלית והימנית מכילות דיודות דיודות אור כחולות (נוריות; 15.88 בקוטר) שיאירו לגירוי חזותי ולמנועים דו-צדדיים עם 0.8 משרעת רטט G הרטט לגירוי מסוחושי (שווה ערך ל רטט טלפון נייד)22,23,28.
    2. להבטיח כי גנרטורים גירוי לספק הן unisensory (חזותית אור המגע בלבד), כמו גם הגירוי רב חושי (חזותי והסוחושי בו). מניחים תיבת בקרת דמה מרכז (28 ס מ) מתיבות הבקרה השמאלית והימנית המתוארות ב2.1.1. ולצרף מדבקת יעד חזותי (מעגל מרכזי של 0.4 ס מ קוטר) כדי לשמש נקודת קיבוע.
    3. חברו את גנרטור הגירוי למחשב הנסיוני באמצעות היציאה המקבילית המאפשרת שליטה ישירה לכל מגירוי.
    4. תכנת את תוכנת מצגת גירוי לשלוח טרנזיסטור-טרנזיסטור-לוגיקה (TTL, 5 V) פולסים להדק את הגנרטורים הגירוי החוצה ולכבות ישירות דרך היציאה מקבילית. הגדר את זמן הצגת הגירוי ל-100 ms במשך.
  2. בתוכנה מצגת גירוי, התוכנית מינימום של 3 בלוקים ניסיוני כל אחד המורכב של 45 מבחנים (15 מבחנים של כל תנאי גירוי הציג בסדר אקראי) עבור סך של 135 גירוי מצגות עבור ניסוי זה פשוט זמן תגובה.
  3. לשנות את הבין גירוי-מרווח באופן אקראי בין 1 ל -3 כדי למנוע אפקטים מפני המיכה. לחילופין, להוסיף משפטי לתפוס שבו את הפרמטרים גירוי זהה לעיל, אבל הדופק TTL לא נשלח, ולכן אין גירוי חזותי או המגע העין מתרחשת, ולכן, לא צפוי תגובה.
  4. אפשר למשתתפים עד 2,000 ms להגיב לכל מצב גירוי נתון. אם לא זוהתה תגובה במהלך תקופת התגובה 2,000 ms, ודא כי תוכנת הצגת הגירוי מתקדמת למשפט הבא באופן אוטומטי.
    הערה: חלון תגובה זה הוא שרירותי אך נחוץ כדי לשמור על הזמן הניסיוני הכולל למינימום; שים לב כי RTs ארוכה יותר יהיה מוגדר לאינסוף ללא קשר.
  5. הפרד בין שלושת הבלוקים הניסיוניים על-ידי תכנות הפסקות 20-s בתוכנת הצגת הגירוי כדי להפחית את העייפות הפוטנציאלית ולהגביר את הריכוז. ודא שכל הבלוק הבא מתחיל מיד לאחר שהפסקה של 20-s מסתיים.
  6. תוכנית בכתב הוראות להופיע על התצוגה החזותית (המסך של המחשב הנסיוני). ההנחיות המדויקות מסופקות בחומר המשלים. בקשו מהמשתתפים להתחיל את הניסוי על ידי דחיפת לוח התגובות ברגל ימין כאשר מוכנים להתחיל. לאחר שפרמטרי הגירוי מתוכנתים, תוכנת מצגת הגירוי יוצרת סקריפט שיפעל על כל משתתף.
  7. ספק מזהה משתתף ומספר הפעלה כדי להפעיל את הסקריפט הנסיוני. לאחר השלמת הניסוי, יומן נתונים התנהגותי ייחודי מופק עבור כל משתתף (ראה קובץ משלים 2 לדוגמה eprime 2.0 קובץ פלט).

3. מכשירים & משימה

  1. המשתתפים יושבים זקוף ומנוחה בנוחות על תיבות הבקרה השמאלית והימנית.
    1. מקום אסטרטגי למקם את האצבעות על מנועי הרטט הנטענים לחלק האחורי של תיבת הבקרה, ואגודלים בחזית תיבת הבקרה, מתחת ל-LED כדי לא לחסום את האור (ראה איור 1).
    2. ודא כי גירויים המגע הם נשמעים על ידי מתן משתתפים עם אוזניות שבהן רעש לבן רציף משוחק ברמה נוחה (בדרך כלל 65-75 dBs).
  2. הנחו את המשתתפים להגיב לכל הגירויים במהירות האפשרית.
    1. בקשו מהמשתתפים להשתמש בדוושה הממוקמת מתחת לרגל ימין כלוח התגובות מאז שהאצבעות יקבלו גירוי במגע (ראו איור 1).
  3. חשב את דיוק הביצועים בתנאי גירוי.
    1. הדריכו את המשתתפים להגיב לכל אחד מהגירויים הניסיוניים (45 לכל תנאי) במהירות האפשרית.
    2. לחלק את מספר גירויים שזוהו במדויק לכל תנאי על 45 (מספר כולל של ניסויים בכל תנאי) כדי להשיג מדדים של דיוק ביצועים עבור תנאים חזותיים, המגע, ו VS, בהתאמה.

4. הגזע מודל השוויון נתונים הכנה (ברמה האישית)

  1. קבע אם ביצועי ההתנהגות של אדם תקפים.
    1. אל תכלול משתתפים שאינם מסוגלים להשיג דיוק של 70% נכונים או גדולים יותר בכל תנאי גירוי אחד כאשר רמת הדיוק של המשתתף בזמן תגובה פשוטה פוחתת, כך גם המהימנות של הנתונים של האדם.
    2. שקול מבחנים לא מדויקים (לא מושמט) אם משתתף אינו מגיב לגירוי בתוך פרק זמן התגובה המוגדר והגדר את הנקודה המתאימה לאינסוף במקום להוציא את המשפט מהניתוח25,28.
      הערה: במחקרים קודמים, הקבוצה-ממוצע (n = 289) גילוי גירוי היה 96% בכל התנאים, ומעל 90% האוכלוסייה היו שיעורי זיהוי מעל 90% עבור כל התנאים28.
    3. אל תעשה שימוש בהליכים לקיצוץ נתונים הנמחקים באיטיות מרבית מאחר שפעולה זו תגרום להטיה של התפלגות נתוני RT. 25 להבטיח RTs כי הם בבירור החוצה מוגדרים לאינסוף. ראה קובץ משלים המתאר שינויים ב-CDFs בהתבסס על הליכי קיצוץ נתונים והכללה של RTs איטית (קובץ משלים 3).
  2. ארגן את נתוני ה-RT.
    1. מיין נתוני RT בסדר עולה לפי התנאי הנסיוני. מקם תנאים חזותיים, מסוחושי וVS בעמודות נפרדות של נתוני RT ממוינים. ודא שכל שורה מייצגת ניסוי אחד וכל תא מייצג את ה-RT (או האינסוף במקרה של מבחנים שהושמטו או איטיים).
  3. בין נתוני ה-RT.
    1. זהה את ה-RT המהיר ביותר (לאליפסה בעלת תנאי כתום כלשהו) ואת ה-RT האיטית ביותר (לאליפסה האדומה בתנאי כלשהו). להחסיר את ה-RT האיטית ביותר מן המהיר ביותר (למשל, 740 ms-237 ms) כדי לחשב את טווח RT של הפרט (503ms; כחול אליפסה) בכל תנאי בדיקה. טבלה 1 מדגים כיצד לחשב טווח RT של האדם ומתאר את elipses צבע שונים.
    2. הנתונים של Bin RT מתוך 0% (RT המהיר ביותר = 237 בדוגמה זו) ל-100% (או RT האיטית ביותר = 740 בדוגמה זו) בהפרשים של 5% על-ידי נקיטת ה-RT המהיר ביותר והוספת בהדרגה 5% מטווח ה-rt המזוהה ב-4.3.1 עד 100% מנתוני ה-rt ( ). הדבר יביא לתוצאות של 21-בזמן.
      הערה: בטבלה 2-1% ile נכלל רק בגליון העבודה רק למטרות המחשה.
  4. חשב את תדירות ההתפלגות המצטברת (CDF) עבור התנאים הניסיוניים.
    1. באמצעות תוכנת גיליון אלקטרוני, השתמש בפונקציה "FREQUENCY" שבה array1 שווה ל-RTs בפועל עבור אחד מהתנאים הניסיוניים וarray2 שווה ל-21 פחי RTs המחושבים בשלב 4.3, מחולק במספר הכולל של נסיונות (45) לכל תנאי. זה מומחש באיור 2a.
    2. חזור על פונקציה זו עבור שני התנאים הניסיוניים האחרים (איור 2b-2b) כדי לאכלס תדרים (או הסתברות (P)) של RT המתרחשים בתוך כל אחד 21 פחי הזמן כימות, עבור כל אחד משלושת התנאים הניסיוניים.
    3. לאחר מכן, צור את תדירות ההתפלגות המצטברת (CDF) על-ידי סיכום הסכום הכולל של הסתברות לפני פחי הקוונד (0%, 0 + 5%, 0 + 5 + 10%, 0 + 5 + 10 + 15% וכו ') עבור כל אחד משלושת התנאים הניסיוניים. לדוגמה, בעמודת ההסתברות המצטברת עבור התנאי סומה (עמודה AE), ההסתברות המצטברת עבור טווח ה-95% ile (cell AE22) היא הסיכום של ערכי ההסתברות בתאים Z3: Z23 (ראה איור 3).
  5. בפועל לעומת CDFs חזוי.
    1. ודא כי ה-CDF של המצב הרב- חושי מייצג את cdf בפועל (ראה איור 4 עמודה AF והתווה סימן סגול). כדי לחשב את ה-cdf החזוי (עמודה AG), סכם את שתי הunisensory cdf (כאשר מגבלה עליונה מוגדרת ל-1) בכל אחד מתוך 21 פחי הזמן הקוונטיים (ראה איור 5). התחל באחוזון העשירי (bin 1) והמשך כל הדרך למטה אל האחוזון ה100 (bin 21).
  6. ניהול מבחן של אי-שוויון מודל הגזע (RMI).
    1. הפחת את cdf החזוי (מחושב ב-4.5.2.) מ-cdf בפועל עבור כל אחד מ-21 פחי הזמן לקבלת ערכי ההפרש (עמודה AH; ראה איור 6).
    2. התווה 21 ערכים אלה כתרשים קו, כאשר ציר ה-x מייצג כל אחד מפחי הזמן (העמודה AC) וציר ה-y מייצג את הפרש ההסתברות בין ה-CDFs הממשי והחזוי (AH). איור 7 (סימן שחור).
    3. בדוק ערכים חיוביים בכל השהיה (כלומר, כימות) אשר מציינים את השילוב של גירויים unisensory ומשקפים הפרה של RMI (לראות את החלק הירוק מודגש של גל ההפרש מ 0.00 – 0.10 באיור 7).

5. קוונפיקציה של אפקט החישה הרב (רמת הקבוצה).

  1. הקבוצה-ממוצע נתוני RMI הבודדים ( הבדלים בין cdf החזוי לבין cdf בפועל עבור כל אחד מפחי 21 הפעמים; שלב 4.6.1-עמודה AH) בכל המשתתפים. השתמש בתוכנת גיליון אלקטרוני כדי להקצות אנשים לשורות ולפחי זמן כעמודות. בגיליון אלקטרוני חדש, הצב את 21 הערכים המחושבים ב4.6.1 בשורות בודדות (שורה אחת לכל משתתף), והערכים הממוצעים בתוך פחי הזמן ליצירת צורת גל אחת-בממוצע.
  2. התווה את הקבוצה בממוצע 21 ערכים כתרשים קו, כאשר ציר ה-x מייצג כל אחד מפחי הזמן הנתונים וציר ה-y מייצג את הפרש ההסתברות בין CDFs.
  3. בדוק באופן חזותי ותעד את החלק המפר של גל ההפרש של הקבוצה בממוצע (כלומר, ערכים חיוביים).
  4. הפעל את הבדיקה החוזרת של גונדר RMI (קובץ script זמין כהורדה ללא תשלום)26 כדי לקבוע אם קיימת הפרה משמעותית מבחינה סטטיסטית של rmi על הערכים החיוביים המזוהים בשלב 5.3.
    1. ארגן את הנתונים בקובץ טקסט אחד שבו העמודה הראשונה נקראת "בים" עבור משקיף (למשל, מזהה משתתף), העמודה השנייה נקראת "מנצח" עבור מצב הגירוי (V, S, או VS) והעמודה השלישית נקראת "RT" עבור RT בפועל או "Inf" אם מוגדר לאינסוף.
    2. פתח את התוכנה, זהה את סלי הזמן שיש לבדוק (בהתבסס על סלי הזמן החיוביות שזוהו ב-5.3) והזן את שם קובץ הטקסט שנוצר ב-5.4.1.
    3. הפעל את הבדיקה על-ידי התקשרות לקובץ ה-script. התוצאות יספקו ערך tmax, 95% קריטריון, ו-p-value אשר יהיה אינסטרומנטלי בקביעה אם הפרה משמעותית של מודל הגזע קיימת לאורך כל דגימת המחקר.
  5. חשב את האזור-תחת-עיקול (אוק) עבור כל אדם לאחר שייסד את סלי האחוזון המופרות באופן משמעותי בשלב 5.3. אוק תשמש כגודל האינטגרציה הרב-חושית (או המשתנה העצמאי). כדי לחשב את השימוש בנתונים של משתתף 1 כדוגמה, עבור סלים 0.00-0.15 מתוארים באיור 8a-d).
    1. סיכום ערך ההפרש של CDF בתאריך השעה 1 (ערך הזמן החיובי הראשון) עם ערך ההפרש של cdf של סל הזמן 2 (הערך החיובי הבא) ולאחר מכן חלק בשתיים (ראה איור 8a). חזור על שלב ה5.3.1. עבור כל זוג פחי זמן ברציפות המכילים ערכים חיוביים (ראה איור 8b-8b).
    2. סכם את התוצאות שהתקבלו מהשלבים 5.5.1-5.5.2. כדי ליצור את ה-אוק הכולל של גל ההפרש של CDF במהלך טווח האחוזון המפר (למשל, 0.00 – 0.15 באיור 8d).
      הערה: אוק הוא מידה רציפה וערך ה-x אחד קיים עבור כל אדם עבור החלק המפר של ה-RMI (האליפסה האדומה (איור 8d = משתתף 1-אוק = 0.13). אוק יכול לשמש כמשתנה עצמאי המייצג ' סדר גודל של לעומת שילוב ' אשר יכול להיות מאוחר יותר נבדק כדי לחזות צעדים קליניים חשובים התוצאות (ראה גם28,29).
  6. הקצאת קבוצות סיווג שילוב מרובה חושים בהתבסס על מספר סלי האחוזון המופרים (ערכים הגדולים מאפס המסומנים באפור בטבלה 3) במהלך טווח האחוזון המועבר באופן משמעותי המזוהה לעיל בשלב 5.3. מסתכל על שולחן 3 (האחוזון סלים 0.00 – 0.15): משתתף 1 יש ערכים חיוביים עבור 2 מתוך 4 סלים; למשתתף 2 יש ערכים חיוביים עבור 4 מתוך 4 סלים; ולמשתתף 3 יש ערכים חיוביים עבור 0 מתוך 4 סלים.
    1. הפעלה של מערכת סיווג המבוססת על מספר סלי האחוזון המופרות (ערכים הגדולים מאפס עבור 0, 1, 2 או 3 סלים) במהלך האחוזון 0-10.
    2. איור 9 מתאר אחד הגדרת סיווג פוטנציאלי אשר מותאם מן הנתונים שפורסמו לאחרונה שהוצגו על ידי מאהוני ו Verghese29.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

מטרת מחקר זה היה לספק צעד אחר צעד הדרכה של גישה שיטתית כדי לכמת את העוצמה של השפעות שילוב VS, כדי לטפח את הפרסום של מחקרים רב חושית חדשים באמצעות עיצובים והגדרות ניסיוני דומה (ראה איור 1 ). צילומי מסך של כל שלב וחישוב הדרושים כדי לגזור בסדר גודל של אפקטי אינטגרציה רב חושית, כפי שנמדד על ידי RMI אוק, הם התחום מעל ומאוירים באיורים 2-8.

איור 9 מדגים את ההפרה של הפרה בממוצע (מעקב מקווקו) המתרחשים בטווח 0-10% אחוזון עבור מדגם של 333 בוגרים מבוגרים (ראה גם29). כאן, המספר הכולל של ערכים חיוביים (0, 1, 2 או 3) עבור אלה 3 כדוריות (0.00-0.10) קובע איזו קבוצת סיווג מרובת חושים אדם מוקצה (חסר, עני, טוב או מעולה) בהתאמה.

כפי שמתואר באיור 9, הקבוצה בממוצע תוצאות להפגין הפרה משמעותית מודל הגזע על העשירית המהירה ביותר של כל זמני התגובה26. בעוד הקבוצה הזאת בממוצע ההבדל בצורת גל עולה כי על מבוגרים בוגרים המבוגרים להפגין הפרה משמעותית מודל הגזע (כלומר, אפקטים רב חושי שילוב), אנו טוענים כי זה לא מידה אחת מתאימה את כל המודל. במקום זאת, ה-אוק של האינדיבידואל מתחת לתקופת הזמן הופרה (0-10% ile) מספק פרוקסי טוב יותר להערכת הגודל של הפרט של אינטגרציה VS, כמו דפוסי שילוב דיפרנציאלי תועדו 20-23, 28, 29. לאחר חישוב, הגודל הפרטני של אינטגרציה VS יכול לשמש מנבא מתמשך של תוצאות חשובות באוכלוסיות קליניות שונות.

אנו ממליצים ליישם מערכת סיווג, אולי בהתבסס על מספר פחי האחוזון המופרים (ערכים הגדולים מאפס) בתקופת ההפרה של הקבוצה בממוצע RMI, כאמצעי למתאר דפוסי אינטגרציה דיפרנציאלית הטבועות. סיווג הנתונים באופן זה יחשוף השפלה ברורה של הפרת מודל הגזע על-ידי קבוצת סיווג שילוב רב חושי.

Figure 1
איור 1: . מכשיר ניסיוני באמצעות דוושת רגל ממוקם מתחת לרגל ימין כלוח התגובה, המשתתפים נשאלו להגיב unisensory וגירויים רב חושית מהר ככל האפשר. דמות זו הודפסה מודפס עם הרשאה22,28,29. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 2
איור 2: חישוב התדר של RT המתרחשים בתוך טווח מסוים של RTs עבור כל תנאי ניסיוני. a) ויזואלי (V); ב) מגע (של); ו-c)-ויזואלי-סוחושי (VS). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 3
איור 3: יצירת תדירות ההתפלגות המצטברת עבור התנאים הניסיוניים. איור זה מתאר את הסיכום של ההסתברות המצטברת ב-95% ile bin עבור התנאי של סומה (ים). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 4
איור 4: התוויית המצב CDF בפועל (לעומת התנאי; מעקב סגול) כפונקציה של קוונle. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 5
איור 5: חישוב CDF החזוי. סכם את ה-CDFs של שתי הunisensory CDFs וכולל מגבלה עליונה = 1 עבור כל אחד מהקוונס מ-0.00 עד 1.00. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 6
איור 6: ליצור את אי-שוויון מודל הגזע (RMI). הפחת את ה-CDF של CDF החזוי מתוך CDF בפועל עבור כל כימות. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 7
איור 7: התווה את ערכי RMI הבודדים. ציר ה-x מייצג כל אחד מתוך 21 הקוונס (העמודה AC) וציר-y מייצג את הפרש ההסתברות בין CDFs (עמודה AH). החלק הירוק המסומן של RMI מתאר את החלק החיובי או המפר של צורת הגל, הרומז על אינטגרציה מרובת חושים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 8
איור 8: חישוב השטח של האדם בעקומה (אוק '). a) סיכום ערך ההפרש של CDF בקוונל 1 (0.00) עם ערך ההפרש של CDF בקוונלה 2 (0.05) ולאחר מכן הפרד בשתיים כדי ליצור מידה של ה-אוק מ-0.00-0.05. b-c) חזור על שלב a) עבור כל זוג ברציפות של כדוריות (לדוגמה, 0.05-0.10 ו-0.10-0.15) כדי להשיג את ה-אוק עבור כל טווח כימות. ד) סיכום ה-אוק עבור כל טווח של סל הזמן כדי לקבל את ה-אוק הכולל עבור כל החלון של סל הזמן המזוהה ב-5.3. הערה דוגמה זו כוללת טווח כימות רחב יותר (0.00-0.15) למטרות המחשה בלבד. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

Figure 9
איור 9: מירוץ מודל אי-שוויון: הכולל על ידי סיווג קבוצתי. הקבוצה-ההפרש הממוצע בין CDFs בפועל וחזויים במסלול של כל הקוונס מיוצג על ידי המעקב המקווקו. העקבות המוצקים מייצגות כל אחד מארבעת הסיווגים האינטגרציה הרב-חושיים המוגדרים לעיל על בסיס מספר סלי הקוונלה. דמות מותאמת זו הודפסה מודפס עם הרשאה29. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

קובץ משלים 1: מדגם זמן תגובה פשוט הפרדיגמה מתוכנת Eprime 2.0. אנא לחץ כאן כדי להוריד קובץ זה.

קובץ משלים 2: לדוגמה נתוני RT פלט נתונים התנהגותי מ Eprime 2.0. אנא לחץ כאן כדי להוריד קובץ זה.

קובץ משלים 3: לדגום נתוני RMI עם ובלי מבחנים מסוימים וללא הושמט. אנא לחץ כאן כדי להוריד קובץ זה.

. שולחן 1 סטטיסטיקות תיאוריות בודדות לפי תנאי וחישוב של טווח RT. אנא לחץ כאן כדי להוריד קובץ זה.

. שולחן 2 דוגמה לאופן הנתונים של bin RT בהתבסס על טווח RT. אנא לחץ כאן כדי להוריד קובץ זה.

. שולחן 3 דוגמה לחישוב של אוק & זיהוי של כימות מופרות (אזור אפור מוצלל). אנא לחץ כאן כדי להוריד קובץ זה.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

מטרת המחקר הנוכחי היתה לפרט את התהליך מאחורי הקמתה של עמיד בפני שילוב רב חושי פנוטיפים. כאן, אנו מספקים את הצעדים הדרושים וקריטיים הדרושים כדי לרכוש אפקטים רב חושית שילוב שניתן לעשות שימוש כדי לנבא קוגניטיבי חשוב ותוצאות מוטוריות להסתמך על מעגלים עצביים דומים. המטרה הכוללת שלנו היתה לספק הדרכה צעד אחר צעד לחישוב הסדר הגודל של אינטגרציה מרובת חושים במאמץ להקל על מחקרים חדשניים הרומן מרובת חושים על פני אוכלוסיות קליניות מגוונות וטווחי גיל.

כאמור לעיל ומחולק על ידי גונדן ועמיתים, חשוב מאוד לשמר את קבוצת הנתונים של הפרט25,28. כלומר, להימנע הליכי קיצוץ נתונים להשמיט RTs איטית מאוד נתון הטיה הטבועה שלה על התפלגות RT; 25 במקום זאת, הגדר את הפרמטר RTs שהושמט לאינסוף. שלב זה הוא קריטי והיעדר הציות לכללים פשוטים אלה יוביל לפיתוח תוצאות לא מדויקות של שילוב רב חושי. בנוסף, בדיקת משמעויות מודל הגזע צריך להיבדק רק על הקבוצה-ממוצעים הפרה חלקים של RMI מזוהה במחזור המחקר (כלומר, לא החלונות מוגדר פריורי ).

במונחים של מגבלות, העיצוב הניסיוני הנוכחי היה מבוסס על נתונים מתוך משימת זמן תגובה פשוטה לגירויים דו-צדדיים שהוצגו לאותו מיקום בדיוק באותו זמן. אנו מכירים בכך שכמה עיבודים לעיצוב הניסיוני הנוכחי יכולים להתבצע בהתאם להשערות שונות שחוקרים מעוניינים לבחון. אנו מנצלים את המחקר הזה כפנקס השקת לקראת התיעוד של השפעות MSI חזקים בהזדקנות אך להכיר ביישום של עיבודים ניסיוניים שונים (למשל, שילובים שונים של bi ואפילו tri-חושי, גירוי מגוון מצגת פעמים התפרצות, ו בהירות הדיפרנציאליות של עוצמת הגירוי) תספק שפע של מידע מצטבר לגבי תופעה רבת-חושית זו.

אנו יש ליישם את הגישה הנ ל כדי להפגין אסוציאציות משמעותיות בין היקף של אינטגרציה חזותית עם איזון28 והאירוע נופל28, שבו מבוגרים עם אינטגרציה רב חושית יותר יכולות להתבטא בביצועי איזון טובים יותר ופחות אירועים נופלים. באופן דומה, אנו מדגימים כי הגודל של שילוב חזותי-מסוחושי היה מנבא חזק של היבטים מרחביים של הליכה29, שם אנשים עם אינטגרציה ויזואלית המגע הגרוע יותר הפגינו מהירות הליכה איטית יותר, צעדים קצרים, ותמיכה כפולה מוגברת. בעתיד, מתודולוגיה זו צריכה לשמש כדי לחשוף את הקשר של MSI עם תוצאות קליניות חשובות אחרות כמו מעמד קוגניטיבי, וסיוע בזיהוי של רשתות עצביות תפקודית ופונקציונלי מבניים רב חושי בהזדקנות ואוכלוסיות קליניות אחרות.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

אין קונפליקטים של עניין לדווח ולמחברים אין מה לחשוף.

Acknowledgments

הגוף הנוכחי של העבודה נתמך על ידי המכון הלאומי על הזדקנות במכון הלאומי לבריאות (K01AG049813 כדי JRM). מימון משלים סופק על ידי מרכז רזניק גרונטולוגיה של מכללת אלברט איינשטיין לרפואה. תודות מיוחדות לכל המתנדבים וצוות המחקר לתמיכה יוצאת דופן בפרויקט.

Materials

Name Company Catalog Number Comments
stimulus generator Zenometrics, LLC; Peekskill, NY, USA n/a custom-built
Excel Microsoft Corporation spreadsheet program
Eprime Psychology Software Tools (PST) stimulus presentation software

DOWNLOAD MATERIALS LIST

References

  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).

Tags

התנהגות סוגיה 147 אינטגרציה רב חושית אינטגרציה sensorimotor מודל אי-שוויון המודל אפקט אותות יתירים הזדקנות
שימוש שוויון מודל הגזע לכמת התנהגות מרובת חושים השפעות אינטגרציה
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Mahoney, J. R., Verghese, J. Using… More

Mahoney, J. R., Verghese, J. Using the Race Model Inequality to Quantify Behavioral Multisensory Integration Effects. J. Vis. Exp. (147), e59575, doi:10.3791/59575 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter