Waiting
Login processing...

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

Behavior

व्यवहार Multisensory एकता प्रभाव मात्रा में करने के लिए रेस मॉडल असमानता का उपयोग करना

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

वर्तमान अध्ययन के लिए विभिन्न नैदानिक आबादी भर में translational अनुसंधान अध्ययन के उत्पादन की सुविधा के प्रयास में multisensory एकीकरण प्रभाव के परिमाण की गणना के लिए एक कदम दर कदम ट्यूटोरियल प्रदान करना है.

Abstract

Multisensory एकीकरण अनुसंधान की जांच कैसे मस्तिष्क एक साथ संवेदी जानकारी प्रक्रियाओं. जानवरों पर अनुसंधान (मुख्य रूप से बिल्लियों और primates) और मनुष्यों से पता चलता है कि बरकरार multisensory एकीकरण दोनों संज्ञानात्मक और शारीरिक गतिविधियों सहित वास्तविक दुनिया में कार्य करने के लिए महत्वपूर्ण है. पिछले कई दशकों में किए गए शोध में विविध मनोभौतिक, इलेक्ट्रोफिजियोलॉजिकल और न्यूरोइमेजिंग तकनीकों का उपयोग करके बहुसंवेदी एकीकरण प्रभावों का उल्लेख किया गया है। हालांकि इसकी उपस्थिति की सूचना दी गई है, multisensory एकीकरण प्रभाव के परिमाण का निर्धारण करने के लिए इस्तेमाल किया तरीकों बदलता है और आम तौर पर बहुत आलोचना का सामना करना पड़ता है. क्या इस प्रकार में, पिछले व्यवहार अध्ययन की सीमाओं को रेखांकित कर रहे हैं और मजबूत संभावना मॉडल का उपयोग कर multisensory एकीकरण प्रभाव के परिमाण की गणना के लिए एक कदम दर कदम ट्यूटोरियल प्रदान की जाती है.

Introduction

संवेदी प्रणालियों में बातचीत रोजमर्रा के कार्यों के लिए आवश्यक हैं. जबकि multisensory एकीकरण प्रभाव मिश्रित संवेदी संयोजन और विभिन्न तंत्रिका विज्ञान दृष्टिकोण का उपयोग कर आबादी की एक विस्तृत सरणी भर में मापा जाता है [सहित, लेकिन मनोभौतिक, electrophysiological, और neuroimaging तक ही सीमित नहीं पद्धती]1,2,3,4,5,6,7,8,9, वर्तमान में सोने के मानक के लिए परिमाणात्मक बहुसंवेदी एकीकरण की कमी है। यह देखते हुए कि multisensory प्रयोगों आम तौर पर एक व्यवहार घटक होते हैं, प्रतिक्रिया समय(आरटी) डेटा अक्सर एक प्रसिद्ध घटना अनावश्यक संकेतों प्रभाव 10 कहा जाता है के अस्तित्व का निर्धारण करने के लिए जांच की है. जैसा कि इसके नाम से पता चलता है, एक साथ संवेदी संकेत अनावश्यक जानकारी प्रदान करते हैं, जो आमतौर पर तेज आरटी प्राप्त करते हैं। रेस और सह-सक्रियण मॉडल का उपयोग उपर्युक्त अनावश्यक संकेतों के प्रभाव11की व्याख्या करने के लिए किया जाता है। दौड़ मॉडल के तहत, unsensory संकेत है कि सबसे तेजी से संसाधित किया जाता है दौड़ के विजेता है और व्यवहार प्रतिक्रिया के उत्पादन के लिए जिम्मेदार है. हालांकि, सह-सक्रियण के लिए सबूत तब होता है जब multisensory उत्तेजनाओं के लिए प्रतिक्रियाओं क्या दौड़ मॉडल की भविष्यवाणी की तुलना में तेज कर रहे हैं.

दौड़ मॉडल के पूर्व संस्करणों स्वाभाविक विवादास्पद12,13 के रूप में वे कुछ द्वारा करने के लिए भेजा जाता है के रूप में अति रूढ़िवादी14,15 और कथित रूप से स्वतंत्रता के बारे में सीमाओं होते हैं घटक एकसंवेदी पहचान काल के बीचबहुसंवेदी स्थिति 16 में निहित है . इन सीमाओं में से कुछ को संबोधित करने के प्रयास में, Colonius और Diederich16 एक और अधिक पारंपरिक दौड़ मॉडल परीक्षण विकसित:

Equation 1,

जहां एक की ऊपरी सीमा के साथ (उदाहरण के लिए, ए और बी) की संचयी वितरण आवृत्तियों (CDFs) की तुलना किसी भी दी गई लेटेंसीके लिए एक साथ बहुसंवेदी स्थिति (उदाहरण के लिए, एबी) के सीडीएफ से की जाती है ( t)11, 16 , 17. सामान्य तौर पर, CDF यह निर्धारित करता है कि आरटी की किसी निश्चित श्रेणी के भीतर कितनी बार एक RT होता है, जो प्रोत्साहन प्रस्तुतियों की कुल संख्या (अर्थात्, परीक्षण) से विभाजित होता है। यदि वास्तविक बहुसंवेदी स्थिति Equation 2 का CDF यूनिसेंसरी स्थितियों से व्युत्पन्न अनुमानित CDF से कम या बराबर है

Equation 3,

तो दौड़ मॉडल स्वीकार कर लिया है और संवेदी एकीकरण के लिए कोई सबूत नहीं है. हालांकि, जब multisensory CDF unsensory शर्तों से व्युत्पन्न अनुमानित CDF से अधिक है, तो दौड़ मॉडल अस्वीकार कर दिया है। दौड़ मॉडल की अस्वीकृति इंगित करता है कि अनावश्यक संवेदी स्रोतों से multisensory बातचीत एक गैर रेखीय तरीके से गठबंधन, RTs (जैसे, आरटी सुविधा) multisensory उत्तेजनाओं के लिए की एक तेजी में जिसके परिणामस्वरूप.

एक मुख्य बाधा है कि multisensory शोधकर्ताओं का सामना कैसे सबसे अच्छा एकीकरण प्रभाव मात्रा निर्धारित करने के लिए है. उदाहरण के लिए, सबसे बुनियादी व्यवहार multisensory प्रतिमान के मामले में, जहां प्रतिभागियों को एक सरल प्रतिक्रिया समय कार्य करने के लिए कहा जाता है, सटीकता और गति के बारे में जानकारी एकत्र की है. इस तरह के multisensory डेटा चेहरा मूल्य पर इस्तेमाल किया जा सकता है या सहित विभिन्न गणितीय अनुप्रयोगों का उपयोग कर हेरफेर, लेकिन अधिकतम संभावना अनुमान18तक ही सीमित नहीं ,19,CDFs11, और विभिन्न अन्य सांख्यिकीय दृष्टिकोण. हमारे पिछले multisensory अध्ययन के बहुमत दोनों मात्रात्मक और संक्षिप्त दृष्टिकोण जहां multisensory एकीकृत प्रभाव द्वारा गणना की गई कार्यरत 1) मतलब प्रतिक्रिया समय (आरटी) मतलब प्रतिक्रिया समय से एक multisensory घटना को घटाना ( आरटी) कम से कम unsensory घटना के लिए, और 2) CDFs को रोजगार के लिए निर्धारित है कि क्या आरटी सुविधा synergistic बातचीत अनावश्यक संवेदी जानकारी8,20,21द्वारा सुविधा से हुई, 22 , 23.हालांकि, पूर्व पद्धति एकीकृत प्रक्रियाओं में व्यक्तिगत मतभेदों के प्रति संवेदनशील नहीं थी और शोधकर्ताओं ने बाद की कार्यप्रणाली (यानी CDFs) को मल्टीसेंसरी की मात्रा निर्धारित करने के लिए एक बेहतर प्रॉक्सी प्रदान किया है एकीकृत प्रभाव24|

Gondan और Minakata हाल ही में कैसे सही रेस मॉडल असमानता (RMI) का परीक्षण करने के लिए पर एक ट्यूटोरियल प्रकाशित के बाद से शोधकर्ताओं ने सभी भी अक्सर आरटी डेटा संग्रह और तैयारी25के अधिग्रहण और पूर्व प्रसंस्करण चरणों के दौरान अनगिनत त्रुटियों करते हैं. सबसे पहले, लेखकों posit कि डेटा trimming प्रक्रियाओं जहां कुछ एक प्राथमिकता न्यूनतम और अधिकतम आरटी सीमा निर्धारित कर रहे हैं लागू करने के लिए प्रतिकूल है. वे अनुशंसा करते हैं कि धीमी और छोड़े गए प्रतिसादों को बहिष्कृत करने के बजाय अनंत पर सेट किया जाए. दूसरा, यह देखते हुए कि RMI किसी भी विलंबता पर उल्लंघन किया जा सकता है, कई टी परीक्षण अक्सर अलग अलग समय बिंदुओं पर RMI परीक्षण करने के लिए उपयोग किया जाता है (यानी, क्वांटेंटाइल्स); दुर्भाग्य से, इस अभ्यास में वृद्धि हुई प्रकार मैं त्रुटि की ओर जाता है और काफी कम सांख्यिकीय शक्ति. इन समस्याओं से बचने के लिए, यह अनुशंसा की जाती है कि RMI एक विशिष्ट समय श्रेणी पर परीक्षण किया जाए। कुछ शोधकर्ताओं ने सुझाव दिया है कि यह प्रतिक्रियाओं की सबसे तेजी से चतुर्थक का परीक्षण करने के लिए समझ में आता है (0-25%),26 या कुछ पूर्व की पहचान खिड़कियों (यानी, 10-25%)24,27 multisensory एकीकरण प्रभाव के रूप में आम तौर पर मनाया जाता है उस समय अंतराल के दौरान; हालांकि, हम तर्क देते हैं कि परीक्षण की जाने वाली शतमक श्रेणी वास्तविक डेटासेट द्वारा निर्धारित की जानी चाहिए (प्रोटोकॉल अनुभाग 5देखें). युवा वयस्कों या कंप्यूटर सिमुलेशन से प्रकाशित डेटा पर निर्भर के साथ समस्या यह है कि पुराने वयस्कों बहुत अलग आरटी वितरण प्रकट, संवेदी प्रणालियों में उम्र से संबंधित गिरावट के कारण होने की संभावना है. रेस मॉडल महत्व परीक्षण केवल अध्ययन सहगण से वास्तविक और भविष्यवाणी CDFs के बीच समूह औसत अंतर लहर का उल्लंघन भागों (सकारात्मक मूल्यों) पर परीक्षण किया जाना चाहिए.

यह अंत करने के लिए, दौड़ मॉडल16 के पारंपरिक परीक्षण का उपयोग कर स्वस्थ पुराने वयस्कों में multisensory एकीकरण के एक सुरक्षात्मक प्रभाव और Gondan और उनके सहयोगियों द्वारा निर्धारित सिद्धांतों का प्रदर्शन किया गया है25. वास्तव में, दृश्य-सोमाटोसेंसरी आरएमआई (मल्टीसेंसरी एकीकरण के लिए एक प्रॉक्सी) का अधिक परिमाण बेहतर संतुलन प्रदर्शन से जुड़ा हुआ पाया गया, घटना की कम संभावना गिर जाती है और स्थानिक चाल प्रदर्शन28,29में वृद्धि हुई।

वर्तमान प्रयोग का उद्देश्य भर में विविध अनुवाद अनुसंधान अध्ययन के उत्पादन में वृद्धि की सुविधा के लिए, RMI का उपयोग कर multisensory एकीकरण प्रभाव के परिमाण की गणना करने के लिए एक कदम दर कदम ट्यूटोरियल के साथ शोधकर्ताओं को प्रदान करने के लिए है कई अलग अलग नैदानिक आबादी. ध्यान दें कि वर्तमान अध्ययन में प्रस्तुत डेटा हाल ही में प्रकाशित दृश्य-somatosensory स्वस्थ पुराने वयस्कों पर किए गए प्रयोगों से कर रहे हैं28,29, लेकिन इस पद्धति कई अलग अलग भर में विभिन्न सहगणों के लिए लागू किया जा सकता है प्रयोगात्मक डिजाइन, multisensory संयोजन की एक विस्तृत सरणी का उपयोग.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

सभी प्रतिभागियों प्रयोगात्मक प्रक्रियाओं, जो अल्बर्ट आइंस्टीन कॉलेज ऑफ मेडिसिन के संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित किया गया करने के लिए लिखित सूचित सहमति प्रदान की.

1. प्रतिभागी भर्ती, समावेशन मानदंड, और सहमति

  1. अंग्रेजी बोलने वाले व्यक्तियों के एक अपेक्षाकृत बड़े सहगण की भर्ती करें जो स्वतंत्र रूप से अम्बुलेट कर सकते हैं और महत्वपूर्ण संवेदी हानि से मुक्त हैं; सक्रिय तंत्रिका विज्ञान या मनोरोग विकार जो प्रयोगात्मक मूल्यांकन में हस्तक्षेप करते हैं; और गतिशीलता को प्रभावित करने वाली वर्तमान/भविष्य की चिकित्सा प्रक्रियाएं।
  2. सुनिश्चित करें कि प्रत्येक भागीदार सफलतापूर्वक एक संवेदी स्क्रीनिंग परीक्षा को पूरा कर सकते हैं, जहां दृश्य, श्रवण, और somatosensory तीक्ष्णता औपचारिक रूप से अध्ययन औचित्य की पुष्टि करने के लिए परीक्षण कर रहे हैं.
    1. यह सुनिश्चित करने के लिए स्लेन आई चार्ट का उपयोग करें कि द्विपक्षीय दृश्य तीक्ष्णता 20/
    2. प्रतिभागियों को 25 डीबी 30 पर एक 2,000 हर्ट्ज टोन सुनने के लिएकम से कम कर रहे हैं कि यह सुनिश्चित करने के लिए एक टोन उत्सर्जक otoscope का प्रयोग करें।
    3. यह निर्धारित करें कि क्या प्रतिभागी नैदानिक न्यूरोपैथी का निदान करते हैं और क्या यह प्रयोगात्मक सोमेटोसेंसरी उत्तेजना21,28,29को महसूस करने की क्षमता में हस्तक्षेप करता है .
    4. यदि प्रतिभागी इन न्यूनतम संवेदी आवश्यकताओं को पूरा करने में असमर्थ है, उन्हें अध्ययन में शामिल नहीं है.
  3. ऐसे AD8 डिमेंशिया स्क्रीनिंग साक्षात्कार कटऑफ स्कोर के रूप में विश्वसनीय स्क्रीनिंग उपकरणों से कट-स्कोर को लागू करने से मनोभ्रंश के साथ पुराने वयस्कों को छोड़ दें $2 31,32; और स्मृति दोष स्क्रीन एमआईएस; कटऑफ स्कोर ;lt; 533|
  4. क्या प्रतिभागियों प्रयोगात्मक प्रक्रियाओं (एक स्थानीय संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित) के लिए लिखित सूचित सहमति प्रदान अगर भाग लेने के लिए तैयार.

2. प्रायोगिक डिजाइन

  1. तीन प्रयोगात्मक स्थितियों के साथ एक सरल प्रतिक्रिया समय प्रयोग कार्यक्रम के लिए उत्तेजना प्रस्तुति सॉफ्टवेयर का उपयोग करें: दृश्य (V) अकेले, somatosensory (एस) अकेले, और एक साथ दृश्य-somatosensory (VS). प्रतिभागियों को सूचित करने के लिए प्रत्येक संवेदी उत्तेजना का जवाब, हालत की परवाह किए बिना, जितनी जल्दी हो सके. VS सरल RT कार्य का एक उदाहरण के लिए अनुपूरक फाइलें देखें (अनुपूरक फ़ाइल 1) .
    1. तीन नियंत्रण बक्से के साथ एक उत्तेजना जनरेटर का प्रयोग करें (30.48 मिमी ] 20.32 मिमी $ 12.70 मिमी) और stimulators के लिए प्लास्टिक आवास. बाएँ और दाएँ नियंत्रण बक्से द्विपक्षीय नीले प्रकाश उत्सर्जक डायोड होते हैं (एलईडी; 15.88 सेमी व्यास) कि दृश्य उत्तेजना और 0.8 जी कंपन आयाम के साथ द्विपक्षीय मोटर्स के लिए रोशन है कि somatosensory उत्तेजना के लिए कंपन (एक के बराबर सेल फोन कंपन)22,23,28.
    2. सुनिश्चित करें कि उत्तेजना जनरेटर दोनों unsensory प्रदान (दृश्य या somatosensory अकेले), के रूप में के रूप में अच्छी तरह से multisensory (एक साथ दृश्य और somatosensory) उत्तेजना. 2.1.1 में वर्णित बाएँ और दाएँ नियंत्रण बक्से से एक केंद्र डमी नियंत्रण बॉक्स समस्थितिक (28 सेमी) रखें। और निर्धारण बिंदु के रूप में सेवा करने के लिए एक दृश्य लक्ष्य स्टीकर (0.4 सेमी व्यास के केंद्रीय चक्र) प्रत्यय।
    3. समानांतर बंदरगाह जो प्रत्येक stimulator के लिए प्रत्यक्ष नियंत्रण की अनुमति देता है के माध्यम से प्रयोगात्मक कंप्यूटर के लिए उत्तेजना जनरेटर कनेक्ट.
    4. ट्रांजिस्टर-ट्रांजिस्टर-लॉजिक (TTL, 5 V) पल्स को समानांतर पोर्ट के माध्यम से सीधे ट्रिगर उत्तेजना जनरेटरों को भेजने के लिए उत्तेजना प्रस्तुति सॉफ्टवेयर प्रोग्राम करें। प्रोत्साहन प्रस्तुति समय को अवधि में 100 ms पर सेट करें.
  2. प्रोत्साहन प्रस्तुति सॉफ्टवेयर में, कार्यक्रम 3 प्रयोगात्मक ब्लॉकों प्रत्येक 45 परीक्षणों से मिलकर (15 यादृच्छिक क्रम में प्रस्तुत प्रत्येक उत्तेजना हालत के परीक्षण) इस सरल प्रतिक्रिया समय प्रयोग के लिए 135 उत्तेजना प्रस्तुतियों की कुल के लिए.
  3. अग्रिम प्रभावों को रोकने के लिए 1 और 3 s के बीच बेतरतीब ढंग से अंतर-उत्तेजक-इंटरवल को अलग करें। वैकल्पिक रूप से, कैच परीक्षणों को सम्मिलित करें जहां प्रोत्साहन पैरामीटर ऊपर के समान हैं, लेकिन टीटीएल नाड़ी नहीं भेजी जाती है, इस प्रकार कोई दृश्य या सोमाटोसेंसरी उत्तेजना होती है और इसलिए, कोई प्रतिक्रिया की उम्मीद नहीं की जाती है।
  4. प्रतिभागियों को किसी भी उत्तेजना की स्थिति का जवाब देने के लिए 2,000 एमएस तक की अनुमति दें। यदि 2,000 एमएस प्रतिक्रिया अवधि के भीतर कोई प्रतिक्रिया का पता चला है, सुनिश्चित करें कि उत्तेजना प्रस्तुति सॉफ्टवेयर अगले परीक्षण करने के लिए स्वचालित रूप से अग्रिम.
    नोट: यह प्रतिक्रिया खिड़की कट-ऑफ मनमाने ढंग से लेकिन एक न्यूनतम करने के लिए कुल प्रयोगात्मक समय रखने के लिए आवश्यक है; ध्यान दें कि अब RTs अनंत करने के लिए सेट किया जाएगा परवाह किए बिना.
  5. संभावित थकान को कम करने और एकाग्रता बढ़ाने के लिए उत्तेजना प्रस्तुति सॉफ्टवेयर में 20-एस ब्रेक प्रोग्रामिंग द्वारा तीन प्रयोगात्मक ब्लॉकों को अलग करें। सुनिश्चित करें कि प्रत्येक बाद ब्लॉक 20-s ब्रेक समाप्त होने के तुरंत बाद शुरू होता है।
  6. दृश्य प्रदर्शन (प्रयोगात्मक कंप्यूटर की मॉनीटर) पर प्रदर्शित होने के लिए प्रोग्राम लिखित निर्देश। सटीक निर्देश पूरक सामग्री में प्रदान की जाती हैं. प्रतिभागी से पूछिए कि जब शुरू करने के लिए तैयार हो तो प्रतिक्रिया पैड को अपने दाहिने पैर से धकेलकर प्रयोग शुरू करें। एक बार उत्तेजना मानकों क्रमादेशित रहे हैं, उत्तेजना प्रस्तुति सॉफ्टवेयर एक स्क्रिप्ट है कि प्रत्येक भागीदार पर चलाया जा रहा है बनाता है.
  7. प्रयोगात्मक स्क्रिप्ट चलाने के लिए सहभागी ID और सत्र संख्या प्रदान करें. प्रयोग पूरा होने के बाद, प्रत्येक प्रतिभागी के लिए एक अद्वितीय व्यवहार डेटा लॉग तैयार किया जाता है (एक नमूना Eprime 2.0 आउटपुट फ़ाइल के लिए अनुपूरक फ़ाइल 2 देखें).

3. उपकरण और कार्य

  1. प्रतिभागियों ईमानदार बैठते हैं और आराम से छोड़ दिया और सही नियंत्रण बक्से पर हाथ आराम करते हैं।
    1. रणनीतिक रूप से नियंत्रण बॉक्स के पीछे करने के लिए घुड़सवार थरथानेवाला मोटर्स पर सूचकांक उंगलियों जगह है, और नियंत्रण बॉक्स के मोर्चे पर अंगूठे, प्रकाश ब्लॉक नहीं करने के लिए एलईडी के तहत (चित्र 1देखें)।
    2. सुनिश्चित करें कि somatosensory उत्तेजनाओं headphones जिस पर निरंतर सफेद शोर एक आरामदायक स्तर पर खेला जाता है के साथ प्रतिभागियों को उपलब्ध कराने के द्वारा अशोभनीय हैं (आमतौर पर 65-75 dBs).
  2. प्रतिभागियों को जितनी जल्दी हो सके सभी उत्तेजनाओं का जवाब देने के लिए निर्देश दें।
    1. प्रतिभागियों को दाईं ओर स्थित पैर के नीचे स्थित पैर का उपयोग करने के लिए कहें क्योंकि उंगलियां सोमेटोसेंसरी उत्तेजना को स्वीकार करेंगी (चित्र 1देखें)।
  3. उद्दीपक स्थिति द्वारा निष्पादन सटीकता की गणना कीजिए।
    1. प्रतिभागियों को प्रत्येक प्रयोगात्मक उत्तेजनाओं (45 प्रति शर्त) के रूप में जल्दी संभव के रूप में प्रतिक्रिया करने के लिए निर्देश.
    2. दृश्य, somatosensory, और VS शर्तों के लिए प्रदर्शन सटीकता के उपाय प्राप्त करने के लिए क्रमशः 45 (प्रति शर्त परीक्षणों की कुल संख्या) से अधिक सही ढंग से पता लगाया उत्तेजनाओं की संख्या विभाजित करें।

4. रेस मॉडल असमानता डेटा तैयारी (व्यक्तिगत स्तर)

  1. निर्धारित करें कि क्या एक व्यक्ति के व्यवहार प्रदर्शन मान्य है.
    1. प्रतिभागियों है कि 70% सही या किसी भी एक उत्तेजना शर्त पर अधिक से अधिक की सटीकता प्राप्त करने में सक्षम नहीं हैं बाहर निकलें के रूप में एक साधारण प्रतिक्रिया समय कार्य पर भागीदार के प्रदर्शन सटीकता कम हो जाती है, तो व्यक्ति के डेटा की विश्वसनीयता करता है.
    2. यदि कोई प्रतिभागी निर्धारित अनुक्रिया समयावधि के भीतर किसी उद्दीपक का उत्तर देने में विफल रहता है और विश्लेषण25,28से परीक्षण को छोड़कर संगत आरटी को अनंत ताक पर रख देता है तो परीक्षणों को गलत (निलंबित) पर विचार करें .
      नोट: पिछले अध्ययनों में, समूह औसत (n $ 289) उत्तेजना का पता लगाने सभी शर्तों में 96% था, और जनसंख्या के 90% से अधिक सभी शर्तों के लिए 90% से ऊपर का पता लगाने की दर थी28.
    3. डेटा-ट्रिमिंग प्रक्रियाओं को नियोजित न करें जो बहुत धीमी RTs को हटा देते हैं क्योंकि यह RT डेटा के वितरण को बायस करेगा. 25 सुनिश्चित करें कि आरटी स्पष्ट रूप से outliers अनंत करने के लिए सेट कर रहे हैं। डेटा-ट्रिमिंग प्रक्रियाओं और धीमी RTs (पूरकफ़ाइल3) को शामिल करने के आधार पर CDFs में परिवर्तन का चित्रण अनुपूरक फ़ाइल देखें.
  2. आरटी डेटा को व्यवस्थित करें.
    1. प्रयोगात्मक स्थिति द्वारा आरोही क्रम में आरटी डेटा सॉर्ट करें। सॉर्ट किए गए RT डेटा के अलग-अलग स्तंभों में विज़ुअल, सोमाटोसेंसरी और VS शर्तें रखें. सुनिश्चित करें कि प्रत्येक पंक्ति एक परीक्षण का प्रतिनिधित्व करती है और प्रत्येक कक्ष वास्तविक RT (या छोड़े गए या धीमे परीक्षणों के मामले में अनंत) का प्रतिनिधित्व करता है.
  3. RT डेटा को बिन करें.
    1. सबसे तेजी से आरटी (जो भी हालत- नारंगी दीर्घवृत्त) और सबसे धीमी आरटी (जो भी हालत लाल दीर्घवृत्त के लिए) की पहचान करें। सभी परीक्षण शर्तों में व्यक्ति की आरटी रेंज (503ms; नीले दीर्घवृत्त) की गणना करने के लिए सबसे तेज (उदा., 740 ms - 237 ms) से सबसे धीमी RT को घटाएं। तालिका 1 प्रदर्शित करता है कि कैसे एक व्यक्ति की आरटी रेंज की गणना करने के लिए और विभिन्न रंग elipses दर्शाया गया है.
    2. 0% से बिन RT डेटा (सबसे तेजी से RT $ 237 इस उदाहरण में) करने के लिए 100% (या इस उदाहरण में सबसे धीमी RT $ 740) में 5% वेतन वृद्धि में सबसे तेजी से आरटी लेने और धीरे-धीरे आरटी श्रेणी का 5% जोड़ने 4.3.1 में पहचान की जब तक 100% RT डेटा के लिए जिम्मेदार है (तालिका 2 देखें ). यह 21-समय डिब्बे में परिणाम होगा।
      नोट: तालिका 2 में - 1%ile केवल उदाहरण के प्रयोजनों के लिए कार्यपत्रक में शामिल है।
  4. प्रयोगात्मक स्थितियों के लिए संचयी वितरण आवृत्ति (CDF) की गणना करें।
    1. स्प्रेडशीट सॉफ्टवेयर का उपयोग करना, एक "FREQUENCY" समारोह जहां array1 प्रयोगात्मक शर्तों में से एक के लिए वास्तविक RTs के बराबर होती है और array2 चरण 4.3 में परिकलित 21 परिमाणित RTs डिब्बे के बराबर होती है, परीक्षण की कुल संख्या से विभाजित (45) प्रति शर्त का उपयोग करें. चित्र 2क में इसका उदाहरण दिया गया है।
    2. अन्य दो प्रायोगिक स्थितियों के लिए इस फ़ंक्शन को दोहराएँ (चित्र 2b-2c) ताकि तीन प्रायोगिक स्थितियों में से प्रत्येक के लिए 21 परिमाणित समय बिनों में से प्रत्येक के भीतर होने वाली आरटी की आवृत्तियों (या संभाव्यता (पी) को आबाद किया जा सके।
    3. इसके बाद, प्रत्येक तीन प्रयोगात्मक शर्तों के लिए क्वांटाइज्ड डिब्बे (0%, 0+5%, 0+5+10%, 0+5+10%, 0+5+10+15%, आदि) में संभाव्यता के चल रहे योग का सारांश देकर संचयी वितरण आवृत्ति (CDF) बनाएँ. उदाहरण के लिए, सोमा शर्त (स्तंभ एई) के संचयी प्रायिकता स्तंभ में, 95% ile श्रेणी (कक्ष AE22) के लिए संचयी प्रायिकता कक्षों में प्रायिकता मानों का योग है [3:]23 (चित्र 3देखें ).
  5. वास्तविक बनाम अनुमानित CDFs.
    1. सुनिश्चित करें कि multisensory शर्त के CDF वास्तविक CDF का प्रतिनिधित्व करता है (चित्र 4 स्तंभ AF और प्लॉट बैंगनी ट्रेस देखें)। अनुमानित CDF (स्तंभ AG) की गणना करने के लिए, 21 परिमाणित समय बिन में से प्रत्येक में दो अप्रतिसंवेदी CDFs (एक ऊपरी सीमा सेट 1) के साथ योग करें (चित्र 5देखें). 0th शतमक (बिन 1) पर शुरू और 100वें शतमक (बिन 21) के लिए नीचे सभी तरह से जारी रखें।
  6. रेस मॉडल असमानता (आरएमआई) की परीक्षा का संचालन करें।
    1. अनुमानित CDF (4.5.2.) अंतर मान प्राप्त करने के लिए 21 परिमाणित समय बिन में से प्रत्येक के लिए वास्तविक CDF से घटाना (स्तंभ AH; चित्र 6देखें ) .
    2. इन 21 मानों को एक रेखा ग्राफ़ के रूप में प्लॉट करें, जहाँ x-अक्ष प्रत्येक एक को परिमाणित समय बिन (स्तंभ AC) का प्रतिनिधित्व करता है और y-अक्ष वास्तविक और अनुमानित CDFs (स्तंभ AH) के बीच प्रायिकता अंतर का प्रतिनिधित्व करता है; चित्र 7 (काला निशान).
    3. किसी भी लेटेंसी (अर्थात, क्वान्टाइल) पर सकारात्मक मानों की जाँच करें जो अनिसंवेदी उत्तेजनाओं के एकीकरण को इंगित करता है और RMI के उल्लंघन को दर्शाता है (चित्र 7में 0.00 - 0ण्10 से अंतर तरंग के हरे प्रकाश डाला भाग देखें)।

5. मल्टीसेंसरी प्रभाव (समूह स्तर) की मात्रा।

  1. समूह-औसत व्यक्तिगत RMI डेटा (अनुमानित CDF और वास्तविक CDF के बीच 21-टाइम बिन के लिए अंतर; चरण 4.6.1- स्तंभ AH) सभी प्रतिभागियों में. व्यक्तियों को स्तंभों के रूप में पंक्तियों और समय बिन को असाइन करने के लिए स्प्रेडशीट सॉफ़्टवेयर का उपयोग करें. किसी नई स्प्रैडशीट में, अलग-अलग पंक्तियों (1 पंक्ति प्रति सहभागी) में 4.6.1 में परिकलित 21 मान और एक समूह-औसत अंतर तरंग बनाने के लिए समय बिन के भीतर औसत मान रखें.
  2. समूह औसत 21 मानों को एक पंक्ति ग्राफ़ के रूप में प्लॉट करें, जहाँ x-अक्ष प्रत्येक एक को परिमाणित समय बिन का प्रतिनिधित्व करता है और y-अक्ष CDFs के बीच प्रायिकता अंतर का प्रतिनिधित्व करता है.
  3. समूह-औसत अंतर तरंग (यानी, धनात्मक मान) के उल्लंघन वाले भाग का दृश्य निरीक्षण और दस्तावेज़ करें.
  4. चलाएँ Gondan के RMI क्रमचय परीक्षण (आर स्क्रिप्ट एक मुफ्त डाउनलोड के रूप में उपलब्ध)26 निर्धारित करने के लिए कि क्या वहाँ चरण 5.3 में पहचान सकारात्मक मूल्यों पर RMI का सांख्यिकीय रूप से महत्वपूर्ण उल्लंघन है.
    1. डेटा को एक पाठ फ़ाइल में व्यवस्थित करें जहाँ पहले स्तंभ का नाम "Obs" ऑब्जर्वर (उदा., सहभागी ID) है, दूसरे स्तंभ को "कंड" को प्रोत्साहन स्थिति (V, S, या VS) के लिए नाम दिया गया है और तीसरे स्तंभ को वास्तविक RT के लिए "RT" या "Inf" नाम दिया गया है यदि अनंत पर सेट किया गया हो.
    2. सॉफ़्टवेयर खोलें, पहचानें कि कौन सा समय बिन परीक्षण किया जाना है (5.3 में पहचाने गए धनात्मक समय बिन के आधार पर), और 5.4.1 में बनाया गया पाठ फ़ाइल नाम दर्ज करें.
    3. स्क्रिप्ट को कॉल करके परीक्षण चलाएँ। परिणाम एक टीअधिकतम मूल्य प्रदान करेगा, 95% कसौटी, और पी मूल्य जो निर्धारित करने में महत्वपूर्ण होगा कि क्या रेस मॉडल का एक महत्वपूर्ण उल्लंघन पूरे अध्ययन नमूने भर में मौजूद है.
  5. चरण 5.3 में काफी उल्लंघन शतमक डिब्बे स्थापित करने के बाद प्रत्येक व्यक्ति के लिए क्षेत्र-अंडर-द-वक्र (AUC) की गणना करें। AUC multisensory एकीकरण (या स्वतंत्र चर) के परिमाण के रूप में काम करेगा. AUC उपयोग सहभागी 1 के डेटा को उदाहरण के रूप में परिकलित करने के लिए, शतमक बिन 0.00 - 0.15 चित्र 8a-dमें दर्शाया गया है.
    1. समय बिन 2 (अगले धनात्मक मान) के CDF अंतर मान के साथ समय बिन 1 (1st समय धनात्मक मान) पर CDF अंतर मान का योग करें और उसके बाद दो से विभाजित करें (चित्र 8aदेखें)। चरण 5.3.1 दोहराएँ. समय बिन के प्रत्येक लगातार जोड़ी के लिए सकारात्मक मान युक्त (चित्र 8b-8c) देखें.
    2. 5.5.1 - 5.5.2 चरणों से प्राप्त परिणामों का योग करें। उल्लंघन शतमक सीमा के दौरान CDF अंतर लहर की कुल AUC उत्पन्न करने के लिए (उदा., 0.00 - 0.15 चित्र 8dमें ).
      नोट: AUC एक सतत उपाय है और एक AUC मान RMI के उल्लंघन भाग के लिए प्रत्येक व्यक्ति के लिए मौजूद है (चित्र 8d लाल दीर्घवृत्त ] भागीदार 1 के AUC $ 0.13). AUC एक स्वतंत्र चर का प्रतिनिधित्व करने के लिए इस्तेमाल किया जा सकता है 'VS एकीकरण के परिमाण' जो बाद में महत्वपूर्ण नैदानिक परिणाम उपायों की भविष्यवाणी करने के लिए परीक्षण किया जा सकता है (देखें28,29).
  6. चरण 5.3 में ऊपर पहचाने गए महत्वपूर्ण उल्लंघन शतमक श्रेणी के दौरान उल्लंघन किए गए शतमक बिन (तालिका 3में धूसर शून्य से अधिक मान) की संख्या के आधार पर बहुसंवेदी एकीकरण वर्गीकरण समूह असाइन करें. तालिका 3 को देखते हुए (प्रतिशत बिन 0.00 - 0.15): प्रतिभागी 1 4 डिब्बे में से 2 के लिए सकारात्मक मान है; प्रतिभागी 2 4 डिब्बे में से 4 के लिए सकारात्मक मान है; और प्रतिभागी 3 4 डिब्बे में से 0 के लिए सकारात्मक मान है।
    1. 0-10वाँ शतमक के दौरान उल्लंघन किए गए शतमक बिन (शून्य से अधिक 0, 1, 2, या 3 बिन) की संख्या के आधार पर वर्गीकरण प्रणाली का संचालन करता है.
    2. चित्र 9 में एक संभावित वर्गीकरण परिभाषा को दर्शाया गया है जिसे माहोनी और वर्गीज29द्वारा प्रस्तुत हाल ही में प्रकाशित आंकड़ों से अनुकूलित किया गया है।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

इस अध्ययन का उद्देश्य VS एकीकरण प्रभाव के परिमाण को परिमाणित करने के लिए एक व्यवस्थित दृष्टिकोण के एक कदम दर कदम ट्यूटोरियल प्रदान करने के लिए, इसी तरह के प्रयोगात्मक डिजाइन और setups का उपयोग कर नए multisensory अध्ययन के प्रकाशन को बढ़ावा देने के लिए किया गया था (चित्र 1 देखें ). RMI AUC द्वारा मापा के रूप में multisensory एकीकरण प्रभाव के परिमाण प्राप्त करने के लिए आवश्यक प्रत्येक कदम और गणना के स्क्रीनशॉट, ऊपर चित्रित कर रहे हैं और चित्र 2-8में सचित्र.

चित्र 9 एक समूह औसत उल्लंघन को दर्शाता है (डैश्ड ट्रेस) 333 पुराने वयस्कों के एक नमूने के लिए 0-10% शतमक रेंज से अधिक होने वाली (भी29देखें)। यहाँ, उन 3 क्वांटाइल (0.00 - 0.10) के लिए सकारात्मक मूल्यों की कुल संख्या (0, 1, 2, या 3) निर्धारित करता है जो multisensory वर्गीकरण समूह एक व्यक्ति को सौंपा है (कम, गरीब, अच्छा, या बेहतर) क्रमशः.

जैसा कि चित्र 9में दर्शाया गया है, समूह-औसत के परिणाम सभी अनुक्रिया काल26के सबसे तेज दसवें भाग में एक महत्वपूर्ण दौड़ मॉडल उल्लंघन दर्शाते हैं. हालांकि इस समूह औसत अंतर तरंग पता चलता है कि औसत पुराने वयस्कों पर महत्वपूर्ण दौड़ मॉडल उल्लंघन (यानी, multisensory एकीकरण प्रभाव) का प्रदर्शन, हम तर्क है कि यह एक एक आकार नहीं है सभी मॉडल फिट बैठता है. बल्कि, उल्लंघन समय अवधि के तहत व्यक्ति के AUC (0-10%ile) बनाम एकीकरण के व्यक्ति के परिमाण का आकलन करने के लिए एक बेहतर प्रॉक्सी प्रदान करता है, के रूप में अंतर एकीकरण पैटर्न 20-23, 28,29प्रलेखित किया गया है. एक बार गणना, बनाम एकीकरण के व्यक्तिगत परिमाण विभिन्न नैदानिक आबादी में महत्वपूर्ण परिणामों की एक सतत predictor के रूप में सेवा कर सकते हैं.

हम एक वर्गीकरण प्रणाली को लागू करने की सलाह देते हैं, शायद उल्लंघन शतमक बिन की संख्या के आधार पर (शून्य से अधिक मूल्य) समूह-औसत RMI उल्लंघन अवधि के दौरान, अंतर्निहित अंतर एकीकरण प्रतिमानों को चित्रित करने के एक साधन के रूप में. इस तरीके से डेटा का वर्गीकरण multisensory एकीकरण वर्गीकरण समूह द्वारा दौड़ मॉडल उल्लंघन की एक स्पष्ट गिरावट प्रकट होगा.

Figure 1
चित्र 1: प्रायोगिक उपकरण. एक प्रतिक्रिया पैड के रूप में दाहिने पैर के नीचे स्थित एक पैर पेडल का उपयोग करना, प्रतिभागियों को जितनी जल्दी हो सके unsensory और multisensory उत्तेजनाओं का जवाब करने के लिए कहा गया था. इस आंकड़े का पुनर्मुद्रणअनुमति 22,28,29के साथ किया गया है . कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्र 2: आवृत्ति की गणना कर रहा है एक आरटी की प्रत्येक प्रयोगात्मक स्थिति के लिए आर टी की एक निर्दिष्ट श्रेणी के भीतर होने वाली। क) दृश्य (V); ख) सोमाटोसेंसरी (एस); और ग) दृश्य-सोमटोसेंसरी (वीएस)। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्र 3: प्रयोगात्मक शर्तों के लिए संचयी वितरण आवृत्ति बनाना. यह आंकड़ा सोमा (एस) शर्त के लिए 95% ile बिन पर संचयी संभाव्यता का संकलन दर्शाया गया है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्र 4: परिमाणात्मक के एक फ़ंक्शन के रूप में वास्तविक CDF (VS स्थिति; बैंगनी ट्रेस) को प्लॉट करना. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्र 5: पूर्वानुमानित CDF की गणना कर रहा है। दो unsensory CDFs के CDFs योग जबकि एक ऊपरी सीमा सहित $ 1 0.00 से 1.00 तक क्वानफों में से प्रत्येक के लिए. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 6
चित्र 6: रेस मॉडल असमानता (RMI) बनाएँ. प्रत्येक परिमाणके लिए वास्तविक CDF से अनुमानित CDF के CDF घटाना. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 7
चित्र 7: अलग-अलग RMI मान प्लॉट करें। x-अक्ष प्रत्येक 21 क्वान्टाइल (स्तंभ AC) का प्रतिनिधित्व करता है और y-अक्ष CDFs (स्तंभ AH) के बीच प्रायिकता अंतर का प्रतिनिधित्व करता है. RMI के हरे प्रकाश डाला भाग तरंग के सकारात्मक या उल्लंघन भाग को दर्शाया गया है, multisensory एकीकरण का संकेत. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 8
चित्र 8: किसी व्यक्ति के क्षेत्र-अंडर-द-वक्र (AUC) की गणना करना. क) मात्रा में 1 (0.00) परिमाण2 (0.05) के CDF अंतर मूल्य के साथ CDF अंतर मूल्य योग और फिर दो से विभाजित करने के लिए AUC का एक उपाय बनाने के लिए 0.00 - 0.05. ख-ग) क्वान्टाइल की प्रत्येक लगातार जोड़ी के लिए कदम क) दोहराएँ (उदाहरण के लिए, 0.05 - 0.10 और 0.10 - 0.15) प्रत्येक परिमाणात्मक रेंज के लिए AUC प्राप्त करने के लिए। घ) 5.3 में पहचान की पूरी समय बिन खिड़की के लिए कुल AUC प्राप्त करने के लिए हर बार बिन श्रेणी के लिए AUC योग. नोट इस उदाहरण में केवल उदाहरण के लिए एक व्यापक परिमाणाय श्रेणी (0.00 - 0.15) शामिल है. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 9
चित्र 9: रेस मॉडल असमानता: कुल मिलाकर और समूह वर्गीकरण द्वारा. वास्तविक और अनुमानित CDFs के बीच समूह औसत अंतर सभी क्वांटों के प्रक्षेप पथ पर डैश्ड ट्रेस द्वारा प्रतिनिधित्व किया है. ठोस निशान उल्लंघन परिमाणक डिब्बे की संख्या के आधार पर ऊपर परिभाषित चार multisensory एकीकरण वर्गीकरण में से प्रत्येक का प्रतिनिधित्व करते हैं. इस अनुकूलित आंकड़े का पुनर्मुद्रण अनुमति29के साथ किया गया है . कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

अनुपूरक फ़ाइल 1: नमूना सरल प्रतिक्रिया समय पैराडाइम Eprime 2.0 में क्रमादेशित. इस फ़ाइल को डाउनलोड करने के लिए कृपया यहाँ क्लिक करें.

अनुपूरक फ़ाइल 2: Eprime 2.0 से नमूना आरटी डेटा व्यवहार डेटा आउटपुट। इस फ़ाइल को डाउनलोड करने के लिए कृपया यहाँ क्लिक करें.

अनुपूरक फ़ाइल 3: नमूना RMI डेटा के साथ और outliers के बिना और छोड़ा परीक्षण. इस फ़ाइल को डाउनलोड करने के लिए कृपया यहाँ क्लिक करें.

तालिका 1. स्थिति और आरटी रेंज की गणना के अनुसार व्यक्तिगत वर्णनात्मक सांख्यिकी. इस फ़ाइल को डाउनलोड करने के लिए कृपया यहाँ क्लिक करें.

तालिका 2. RT श्रेणी पर आधारित RT डेटा को बिन करने के तरीके का उदाहरण. इस फ़ाइल को डाउनलोड करने के लिए कृपया यहाँ क्लिक करें.

तालिका 3. AUC गणना और उल्लंघन क्वानफों (ग्रे छायांकित क्षेत्र) की पहचान का उदाहरण. इस फ़ाइल को डाउनलोड करने के लिए कृपया यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

वर्तमान अध्ययन का लक्ष्य एक मजबूत multisensory एकीकरण phenotype की स्थापना के पीछे की प्रक्रिया का विस्तार करने के लिए किया गया था. यहाँ, हम आवश्यक और महत्वपूर्ण महत्वपूर्ण महत्वपूर्ण इसी तरह के तंत्रिका circuitry पर निर्भर महत्वपूर्ण संज्ञानात्मक और मोटर परिणामों की भविष्यवाणी करने के लिए उपयोग किया जा सकता है कि multisensory एकीकरण प्रभाव प्राप्त करने के लिए आवश्यक कदम प्रदान करते हैं. हमारा समग्र उद्देश्य विविध नैदानिक आबादी और आयु-सीमाओं में अभिनव और उपन्यास अनुवादात्मक बहुसंवेदी अध्ययनों को सुविधाजनक बनाने के प्रयास में मल्टीसेंसरी एकीकरण के परिमाण की गणना के लिए एक कदम दर कदम ट्यूटोरियल प्रदान करना था।

जैसा कि ऊपर कहा गया है और गोंडन और उनके सहयोगियों द्वारा उल्लिखित है, व्यक्ति के आरटी डेटासेट25,28को संरक्षित करना बहुत महत्वपूर्ण है। अर्थात, आरटी वितरण पर अपने अंतर्निहित पूर्वाग्रह को देखते हुए डेटा ट्रिमिंग प्रक्रियाओं से बचें जो बहुत धीमी गति से आरटी को छोड़ दें; 25 इसके बजाय, छोड़ा और अनंत करने के लिए धीमी RTs सेट करें। यह चरण महत्वपूर्ण है और इन सरल नियमों का पालन करने में विफलता गलत multisensory एकीकरण परिणामों के विकास के लिए नेतृत्व करेंगे. इसके अतिरिक्त, दौड़ मॉडल महत्व परीक्षण केवल समूह औसत अध्ययन सहगण में पहचान RMI के उल्लंघन भागों पर परीक्षण किया जाना चाहिए (यानी, नहीं एक प्राथमिकता निर्दिष्ट खिड़कियों).

सीमाओं के संदर्भ में, वर्तमान प्रयोगात्मक डिजाइन एक साधारण प्रतिक्रिया समय कार्य से द्विपक्षीय उत्तेजनाओं कि एक ही स्थान पर और ठीक एक ही समय में प्रस्तुत किए गए डेटा पर आधारित था. हम समझते हैं कि वर्तमान प्रयोगात्मक डिजाइन करने के लिए कई रूपांतरों विभिन्न hypotheses कि शोधकर्ताओं की जांच में रुचि रखते हैं पर निर्भर करता है बनाया जा सकता है. हम उम्र बढ़ने में मजबूत MSI प्रभाव दस्तावेजीकरण की दिशा में एक लांच पैड के रूप में इस अध्ययन का उपयोग, लेकिन समझते हैं कि विभिन्न प्रयोगात्मक रूपांतरों के कार्यान्वयन (जैसे, विभिन्न द्वि और यहां तक कि त्रि संवेदी संयोजन, विभिन्न उत्तेजना प्रस्तुति शुरुआत बार, और उद्दीपक तीव्रता का विभेदक परिमाण) इस बहुसंवेदी परिघटना के संबंध में वृद्धिशील सूचना का धन प्रदान करेगा।

हम संतुलन28 और घटना के साथ दृश्य-somatosensory एकीकरण के परिमाण के बीच महत्वपूर्ण संघों को प्रदर्शित करने के लिए ऊपर दृष्टिकोण लागू किया है28गिर जाता है, जहां अधिक से अधिक multisensory एकीकरण के साथ पुराने वयस्कों क्षमताओं प्रकट बेहतर संतुलन प्रदर्शन और कम घटना गिर जाता है. इसी तरह, हम प्रदर्शित करते हैं कि दृश्य-somatosensory एकीकरण के परिमाण चाल29के स्थानिक पहलुओं का एक मजबूत भविष्यवक्ता था, जहां बदतर दृश्य-somatosensory एकीकरण के साथ व्यक्तियों धीमी चाल गति, कम प्रगति का प्रदर्शन किया, और डबल समर्थन में वृद्धि हुई. भविष्य में, इस पद्धति संज्ञानात्मक स्थिति की तरह अन्य महत्वपूर्ण नैदानिक परिणामों के साथ एमएसआई के रिश्ते को उजागर करने के लिए इस्तेमाल किया जाना चाहिए, और उम्र बढ़ने में महत्वपूर्ण कार्यात्मक और संरचनात्मक multisensory एकीकृत तंत्रिका नेटवर्क की पहचान में सहायता और अन्य नैदानिक आबादी.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

वहाँ ब्याज की कोई संघर्ष की रिपोर्ट कर रहे हैं और लेखकों को खुलासा करने के लिए कुछ भी नहीं है.

Acknowledgments

काम के वर्तमान शरीर राष्ट्रीय स्वास्थ्य संस्थान में उम्र बढ़ने पर राष्ट्रीय संस्थान द्वारा समर्थित है (K01AG049813 JRM के लिए). पूरक धन चिकित्सा के अल्बर्ट आइंस्टीन कॉलेज के Resnick Gerontology केंद्र द्वारा प्रदान की गई थी. इस परियोजना के साथ असाधारण समर्थन के लिए सभी स्वयंसेवकों और अनुसंधान कर्मचारियों के लिए विशेष धन्यवाद.

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

व्यवहार अंक 147 multisensory एकीकरण sensorimotor एकीकरण रेस मॉडल असमानता अनावश्यक संकेत प्रभाव उम्र बढ़ने
व्यवहार Multisensory एकता प्रभाव मात्रा में करने के लिए रेस मॉडल असमानता का उपयोग करना
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