Waiting
Login processing...

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

Behavior

Utilizzo della disuguaglianza del modello di gara per quantificare gli effetti di integrazione multisensoriali comportamentali

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

Lo studio attuale mira a fornire un tutorial passo-passo per calcolare l'entità degli effetti di integrazione multisensoriale nel tentativo di facilitare la produzione di studi di ricerca traslazionale in diverse popolazioni cliniche.

Abstract

La ricerca sull'integrazione multisensoriale studia il modo in cui il cervello elabora informazioni sensoriali simultanee. La ricerca sugli animali (principalmente gatti e primati) e sugli esseri umani rivela che l'integrazione multisensoriale intatta è fondamentale per il funzionamento nel mondo reale, comprese le attività cognitive e fisiche. Gran parte della ricerca condotta negli ultimi decenni documenta gli effetti dell'integrazione multisensoriale utilizzando diverse tecniche psicofisiche, elettrofisiologiche e di neuroimaging. Mentre la sua presenza è stata segnalata, i metodi utilizzati per determinare l'entità degli effetti di integrazione multisensoriale variano e in genere affronta molte critiche. In quello che segue, vengono descritte le limitazioni degli studi comportamentali precedenti e viene fornita un tutorial passo-passo per calcolare la grandezza degli effetti di integrazione multisensoriale utilizzando modelli di probabilità robusti.

Introduction

Le interazioni tra sistemi sensoriali sono essenziali per le funzioni quotidiane. Mentre gli effetti di integrazione multisensoriale sono misurati su una vasta gamma di popolazioni utilizzando combinazioni sensoriali assortite e diversi approcci neuroscientifici [inclusi, ma non limitati, alla psicofisica, elettrofisiologica e neuroimaging metodologie]1,2,3,4,5,6,7,8,9, attualmente un gold standard per l'integrazione multisensoriale. Dato che gli esperimenti multisensoriali in genere contengono una componente comportamentale, i dati del tempo di reazione (RT) vengono spesso esaminati per determinare l'esistenza di un fenomeno noto chiamato effetto segnali ridondanti10. Come suggerisce il nome, i segnali sensoriali simultanei forniscono informazioni ridondanti, che in genere producono RT più veloci. Race e modelli di co-attivazione vengono utilizzati per spiegare il suddetto effetto di segnali ridondanti11. Sotto i modelli di gara, il segnale unisensoriale che viene elaborato il più veloce è il vincitore della gara ed è responsabile della produzione della risposta comportamentale. Tuttavia, le prove della co-attivazione si verificano quando le risposte agli stimoli multisensoriali sono più rapide di quanto previsto dai modelli di gara.

Le versioni precedenti del modello di gara sono intrinsecamente controverse12,13 in quanto sono indicate da alcuni come eccessivamente conservatrici14,15 e presumibilmente contengono limitazioni per quanto riguarda l'indipendenza tra i tempi di rilevamento unisensoriale costitutivo inerenti alla condizione multisensoriale16. Nel tentativo di affrontare alcune di queste limitazioni, Colonius & Diederich16 sviluppò un test più convenzionale del modello di gara:

Equation 1,

dove le frequenze cumulative di distribuzione (CDF) delle condizioni unisensoriali (ad esempio, A & B; con un limite superiore di uno) sono confrontate con la CDF della condizione multisensoriale simultanea (ad esempio, AB) per una determinata latenza (t)11, 16 , 17. In generale, un CDF determina la frequenza con cui si verifica un RT, all'interno di un determinato intervallo di RT, diviso per il numero totale di presentazioni di stimolo (cioè prove). Se il CDF della condizione Equation 2 multisensoriale effettiva è minore o uguale al CDF previsto derivato dalle condizioni unisensorie

Equation 3,

allora il modello di gara è accettato e non ci sono prove di integrazione sensoriale. Tuttavia, quando la CDF multisensoriale è maggiore della CDF prevista derivata dalle condizioni unisensoriali, il modello di gara viene rifiutato. Il rifiuto del modello di gara indica che le interazioni multisensoriali da fonti sensoriali ridondanti si combinano in modo non lineare, con conseguente accelerazione degli RT (ad esempio, facilitazione RT) a stimoli multisensoriali.

Uno dei principali ostacoli che i ricercatori multisensoriali devono affrontare è come quantificare al meglio gli effetti di integrazione. Ad esempio, nel caso del paradigma multisensoriale comportamentale più basilare, in cui ai partecipanti viene chiesto di eseguire un semplice compito di tempo di reazione, vengono raccolte informazioni relative all'accuratezza e alla velocità. Tali dati multisensoriali possono essere utilizzati al valore facciale o manipolati utilizzando varie applicazioni matematiche, tra cui, ma non solo, la stima della massima probabilità18,19, i CPF11e vari altri Approcci. La maggior parte dei nostri precedenti studi multisensoriali ha impiegato approcci sia quantitativi che probabilistici in cui gli effetti integrativi multisensoriali sono stati calcolati da 1) sottraendo il tempo medio di reazione (RT) a un evento multisensoriale dal tempo di reazione medio ( RT) all'evento unisensoriy più breve, e 2) impiegando CDF per determinare se la facilitazione di RT derivava da interazioni sinergiche facilitate da informazioni sensoriali ridondanti8,20,21, 22 Milia , 23.Tuttavia, la prima metodologia probabilmente non era sensibile alle differenze individuali nei processi integrativi e i ricercatori hanno da allora ipotizzato che la metodologia successiva (cioè i CPF) può fornire un proxy migliore per quantificare la effetti integrativi24.

Gondan e Minakata hanno recentemente pubblicato un tutorial su come testare con precisione la Race Model Inequality (RMI) dal momento che i ricercatori troppo spesso commetteno innumerevoli errori durante le fasi di acquisizione e pre-elaborazione della raccolta e preparazione dei dati RT25. In primo luogo, gli autori ipotizzano che è sfavorevole applicare procedure di taglio dei dati in cui sono impostati determinati limiti minimi e massimi RT a priori. Raccomandano che le risposte lente e omesse siano impostate su infinito, anziché escluse. In secondo luogo, dato che l'RMI può essere violato a qualsiasi latenza, più test t sono spesso utilizzati per testare l'RMI in punti temporali diversi (cioè quantili); purtroppo, questa pratica porta all'aumento dell'errore di tipo I e alla notevole riduzione della potenza statistica. Per evitare questi problemi, si consiglia di testare l'RMI in un intervallo di tempo specifico. Alcuni ricercatori hanno suggerito che ha senso testare il quartile più veloce delle risposte (0-25%)26 o alcune finestre pre-identificate (cioè 10-25%)24,27 come effetti di integrazione multisensoriale sono in genere osservati durante tale intervallo di tempo; Tuttavia, si sostiene che l'intervallo percentile da testare deve essere dettato dal set di dati effettivo (vedere Protocol Section 5). Il problema di basarsi sui dati pubblicati da giovani adulti o simulazioni al computer è che gli adulti più anziani manifestano distribuzioni di RT molto diverse, probabilmente a causa del declino legato all'età nei sistemi sensoriali. I test di significatività del modello di razza devono essere testati solo su porzioni violate (valori positivi) di onda di differenza media di gruppo tra i CF effettivi e quelli previsti della coorte di studio.

A tal fine, è stato dimostrato un effetto protettivo dell'integrazione multisensoriale negli adulti anziani sani utilizzando la prova convenzionale del modello di gara16 e i principi stabiliti da Gondan e colleghi25. Infatti, una maggiore grandezza di RMI visivo-somatosensoriale (un proxy per l'integrazione multisensoriale) è risultato essere collegato per migliorare le prestazioni di equilibrio, una minore probabilità di cadute di incidenti e una maggiore performance dell'andatura spaziale28,29.

L'obiettivo dell'esperimento attuale è quello di fornire ai ricercatori un tutorial passo-passo per calcolare l'entità degli effetti di integrazione multisensoriale utilizzando l'RMI, per facilitare l'aumento della produzione di diversi studi di ricerca traslazionale in tutto molte popolazioni cliniche diverse. Si noti che i dati presentati nello studio attuale provengono da esperimenti visivo-somatosensoriali pubblicati di recente condotti su adulti anziani sani28,29, ma questa metodologia può essere applicata a varie coorti in molti diversi progetti sperimentali, utilizzando una vasta gamma di combinazioni multisensoriali.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Tutti i partecipanti hanno fornito un consenso informato scritto alle procedure sperimentali, che sono state approvate dal comitato di revisione istituzionale dell'Albert Einstein College of Medicine.

1. Reclutamento dei partecipanti, criteri di inclusione e consenso

  1. Reclutare una coorte relativamente grande di individui di lingua inglese che possono ambulare in modo indipendente e sono liberi da perdite sensoriali significative; disturbi neurologici o psichiatrici attivi che interferiscono con le valutazioni sperimentali; e le procedure mediche attuali/future che influenzano la mobilità.
  2. Assicurarsi che ogni partecipante possa completare con successo un esame di screening sensoriale, in cui l'acuità visiva, uditiva e somatosensoriale viene formalmente testata per confermare l'adeguatezza dello studio.
    1. Utilizzare il grafico a occhio di Snellen per garantire che l'acuità visiva bilaterale sia migliore o uguale a 20/100.
    2. Utilizzare un otoscopio che emette tono per garantire che i partecipanti siano al minimo in grado di sentire un tono di 2.000 Hz a 25 dB30.
    3. Determinare se i partecipanti mantengono una diagnosi di neuropatia clinica e se interferisce con la capacità di sentire la stimolazione somatosensoriale sperimentale21,28,29.
    4. Se il partecipante non è in grado di soddisfare questi requisiti minimi di sensori, non includerli nello studio.
  3. Escludere gli adulti più anziani con demenza implementando cut-partiture da strumenti di screening affidabili come il punteggio cutoff AD8 Dementia Screening Interview 2 31,32; e il MIS dello schermo di compromissione della memoria; punteggio limite < 533.
  4. Chiedi ai partecipanti di fornire un consenso informato scritto alle procedure sperimentali (approvate da un comitato di revisione istituzionale locale) se sono disposte a partecipare.

2. Progettazione sperimentale

  1. Utilizzare il software di presentazione stimolo per programmare un semplice esperimento di tempo di reazione con tre condizioni sperimentali: visivo (V) da solo, somatosensoriale (S) e simultaneo visivo-somatosensoriale (VS). Informare i partecipanti di rispondere a ogni stimolo sensoriale, indipendentemente dalla condizione, il più rapidamente possibile. Vedere file supplementari per un esempio di un'attività RT semplice VS (File supplementare 1).
    1. Utilizzare un generatore di stimolo con tre scatole di controllo (30,48 mm x 20,32 mm e 12,70 mm) e alloggiamenti in plastica per stimolatori. Le caselle di controllo sinistra e destra contengono diodi bilaterali a emissione di luce blu (LED; diametro di 15,88 cm) che si illuminano per la stimolazione visiva e i motori bilaterali con ampiezza di vibrazione da 0,8 G che vibrano per la stimolazione somatosensoriale (equivalente a un vibrazione cellulare)22,23,28.
    2. Assicurarsi che i generatori di stimolo forniscano sia una stimolazione unisensoriale (visual e somatosensoriale sola), sia la stimolazione multisensoriale (visiva simultanea e somatosensoriale). Posizionare una scatola di controllo fittizia centrale equidistante (28 cm) dalle caselle di controllo sinistra e destra descritte in 2.1.1. e apporre un adesivo bersaglio visivo (cerchio centrale di 0,4 cm di diametro) per fungere da punto di fissaggio.
    3. Collegare il generatore di stimolo al computer sperimentale tramite la porta parallela che consente il controllo diretto per ogni stimolatore.
    4. Programmare il software di presentazione dello stimolo per inviare impulsi di logica a transistor-transistor -logici (TTL, 5 V) ai generatori di stimolo del grilletto accesi e spenti direttamente tramite la porta parallela. Impostare il tempo di presentazione dello stimolo su 100 ms di durata.
  2. Nel software di presentazione degli stimoli, programma un minimo di 3 blocchi sperimentali ciascuno composto da 45 prove (15 prove di ogni condizione di stimolo presentate in ordine casuale) per un totale di 135 presentazioni di stimolo per questo semplice esperimento di tempo di reazione.
  3. Variare l'inter-intervallo di stimolo in modo casuale tra 1 e 3 s per evitare effetti anticipati. In alternativa, inserire prove di cattura in cui i parametri di stimolo sono gli stessi di cui sopra, ma l'impulso TTL non viene inviato, quindi non si verifica alcuna stimolazione visiva o somatosensoriale e, quindi, non è prevista alcuna risposta.
  4. Consentire ai partecipanti fino a 2.000 ms di rispondere a qualsiasi condizione di stimolo specificata. Se non viene rilevata alcuna risposta entro il periodo di risposta di 2.000 ms, assicurarsi che il software di presentazione degli stimoli avanzi automaticamente alla versione di prova successiva.
    NOTA: questa finestra di risposta cut-off è arbitraria ma necessaria per mantenere il tempo sperimentale totale al minimo; Si noti che gli RT più lunghi saranno impostati su infinito indipendentemente.
  5. Separare i tre blocchi sperimentali programmando 20-s pause nel software di presentazione dello stimolo per ridurre la stanchezza potenziale e aumentare la concentrazione. Assicurarsi che ogni blocco successivo inizi immediatamente dopo la conclusione dell'interruzione di 20-s.
  6. Programmare le istruzioni scritte per apparire sul display visivo (monitor del computer sperimentale). Le istruzioni esatte sono fornite nel materiale supplementare. Chiedi al partecipante di iniziare l'esperimento spingendo il pad di risposta con il piede destro quando è pronto per iniziare. Una volta che i parametri di stimolo sono programmati, il software di presentazione stimolo crea uno script che deve essere eseguito su ogni partecipante.
  7. Specificare l'ID partecipante e il numero di sessione per eseguire lo script sperimentale. Una volta completato l'esperimento, viene prodotto un log dei dati comportamentali univoco per ogni partecipante (vedere supplementare file 2 per un file di output Eprime 2.0 di esempio).

3. Apparatus & Compito

  1. Chiedi ai partecipanti di sedersi in posizione eretta e di appoggiare comodamente le mani sulle caselle di controllo sinistra e destra.
    1. Posizionare strategicamente le dita indice sopra i motori vibratori montati sul retro della scatola di controllo, e pollici sulla parte anteriore della scatola di controllo, sotto il LED per non bloccare la luce (vedere Figura 1).
    2. Assicurarsi che gli stimoli somatosensoriali siano impercettibili fornendo ai partecipanti cuffie su cui viene riprodotto il rumore bianco continuo a un livello confortevole (in genere 65-75 db).
  2. Istruire i partecipanti a rispondere a tutti gli stimoli il più rapidamente possibile.
    1. Chiedere ai partecipanti di utilizzare un pedale situato sotto il piede destro come pad di risposta poiché le dita accetteranno la stimolazione somatosensoriale (vedere Figura 1).
  3. Calcolare la precisione delle prestazioni in base alla condizione di stimolo.
    1. Istruire i partecipanti a rispondere a ciascuno degli stimoli sperimentali (45 per condizione) il più rapidamente possibile.
    2. Dividere il numero di stimoli rilevati con precisione per condizione su 45 (numero totale di prove per condizione) per ottenere misure di precisione delle prestazioni per le condizioni visive, somatosensoriali e VS, rispettivamente.

4. Preparazione dei dati di disuguaglianza del modello di gara (livello individuale)

  1. Determinare se le prestazioni comportamentali di un individuo sono valide.
    1. Escludere i partecipanti che non sono in grado di raggiungere una precisione del 70% corretto o superiore su qualsiasi condizione di stimolo Come la precisione delle prestazioni del partecipante su un semplice compito tempo di reazione diminuisce, così fa l'affidabilità dei dati dell'individuo.
    2. Considerare le prove imprecise (omesse) se un partecipante non risponde a uno stimolo entro il periodo di tempo di risposta impostato e imposta RT corrispondente su infinito anziché escludere la prova dall'analisi25,28.
      NOTA: Negli studi precedenti, il rilevamento dello stimolo con la media del gruppo (n. 289) era del 96% in tutte le condizioni e oltre il 90 % della popolazione aveva tassi di rilevamento superiori al 90% per tutte le condizioni28.
    3. Non utilizzare procedure di taglio dei dati che eliminano GLI Stati considerati molto lenti in quanto ciò pregiudicherà la distribuzione dei dati RT. 25 Assicurarsi che gli LT chiaramente outlier siano impostati all'infinito. Vedere file supplementari raffiguranti alterazioni nelle CD basate sulle procedure di taglio dei dati e l'inclusione di RT lenti ( File supplementare3).
  2. Organizzare i dati RT.
    1. Ordinare i dati RT in ordine crescente in base alla condizione sperimentale. Posizionare le condizioni visive, somatosensoriali e VS in colonne separate di dati RT ordinati. Assicurarsi che ogni riga rappresenti una prova e che ogni cella rappresenti l'RT effettivo (o infinito nel caso di prove omesse o lente).
  3. Collocare i dati RT.
    1. Identificare il RT più veloce (a seconda della condizione arancione) e il RT più lento (a qualsiasi ellisse rosso condizione). Sottrarre l'RT più lento dal più veloce (ad esempio, 740 ms – 237 ms) per calcolare l'intervallo RT dell'individuo (503ms; ellisse blu) tra TUTTE le condizioni di test. La Tabella 1 illustra come calcolare la gamma RT di un individuo e illustra i vari ellini di colore.
    2. Bin RT dal valore 0% (RT più veloce - 237 in questo esempio) al 100% (o RT più lento in questo esempio) in incrementi del 5% prendendo il RT più veloce e aggiungendo gradualmente il 5% dell'intervallo RT identificato nel 4.3.1 fino al 100% dei dati RT (vedere la tabella 2 ). Questo si tradurrà in bidoni 21 volte.
      NOTA: Nella tabella 2 - 1%ile è incluso solo nel foglio di lavoro solo a scopo illustrativo.
  4. Calcolare la frequenza di distribuzione cumulativa (CDF) per le condizioni sperimentali.
    1. Utilizzando il software per fogli di calcolo, utilizzare una funzione "FREQUENCY" in cui array1 è uguale agli RT effettivi per una delle condizioni sperimentali e array2 è uguale ai 21 contenitori RT quantizzati calcolati nel passaggio 4.3, diviso per il numero totale di prove (45) per condizione. Ciò è illustrato nella figura 2a.
    2. Ripetere questa funzione per le altre due condizioni sperimentali (Figura 2b-2c) in modo da popolare le frequenze (o probabilità (P)) di un RT che si verificano all'interno di ciascuno dei 21 contenitori temporali quantizzati, per ognuna delle tre condizioni sperimentali.
    3. Successivamente, creare la frequenza di distribuzione cumulativa (CDF) sommando il totale corrente delle probabilità tra le collocazioni quantizzate (0%, 0, 0, 5%, 0,5,10%, 0,5, 10% e così via) per ognuna delle tre condizioni sperimentali. Ad esempio, nella colonna di probabilità cumulativa per la condizione Soma (colonna AE), la probabilità cumulativa per l'intervallo 95% ile (cella AE22) è la somma dei valori di probabilità nelle celle 3: .
  5. I File CF effettivi rispetto ai previsti.
    1. Assicurarsi che la CDF della condizione multisensoriale rappresenti la CDF effettiva (vedere La figura 4 della colonna AF e la traccia viola tracciata). Per calcolare il CDF (colonna AG) previsto, sommare i due BDB unisensoriali (con un limite superiore impostato su 1) in ciascuno dei 21 contenitori temporali quantizzati (vedere la figura5). Iniziare dal 0esimo percentile (bin 1) e continuare fino al 100esimo percentile (bin 21).
  6. Condurre il test della disuguaglianza del modello di gara (RMI).
    1. Sottrarre il CDF stimato (calcolato in 4.5.2.) dal CDF effettivo per ciascuno dei 21 intervalli di tempo quantizzati per ottenere i valori di differenza (colonna AH; vedere figura 6).
    2. Tracciare questi 21 valori come grafico a linee, dove l'asse x rappresenta ciascuno dei contenitori temporali quantizzati (colonna AC) e l'asse y rappresenta la differenza di probabilità tra i File CD effettivi e stimati (colonna AH; Figura 7 (traccia nera).
    3. Verificare la presenza di valori positivi a qualsiasi latenza (cioè quantili) che indicano l'integrazione degli stimoli unisensoriali e riflettono una violazione dell'RMI (vedere la parte verde evidenziata dell'onda di differenza da 0,00 a 0,10 nella figura 7).

5. Quantificazione dell'Effetto Multisensoriale (Livello di Gruppo).

  1. Media del gruppo dei singoli dati RMI (differenze tra il CDF previsto e il CDF effettivo per ciascuno dei 21 contenitori, passaggio 4.6.1 - colonna AH) tra tutti i partecipanti. Utilizzare un software per fogli di calcolo per assegnare singoli utenti a righe e contenitori temporali come colonne. In un nuovo foglio di calcolo, inserire i 21 valori calcolati in 4.6.1 in singole righe (1 riga per partecipante) e i valori medi all'interno dei contenitori temporali per creare una forma d'onda di differenza media di gruppo.
  2. Tracciare la media del gruppo 21 valori come grafico a linee, dove l'asse x rappresenta ciascuno dei contenitori temporali quantificati e l'asse y rappresenta la differenza di probabilità tra le Note CF.
  3. Ispezionare e documentare visivamente la parte violata dell'onda di differenza media del gruppo (ad esempio, valori positivi).
  4. Eseguire il test di permutazione RMI di Gondan (script R disponibile come download gratuito)26 per determinare se esiste una violazione statisticamente significativa dell'RMI sui valori positivi identificati nel passaggio 5.3.
    1. Organizzare i dati in un file di testo in cui la prima colonna è denominata "Obs" per Osservatore (ad esempio, ID partecipante), la seconda colonna è denominata "Cond" per la condizione di stimolo (V, S o VS) e la terza colonna è denominata "RT" per RT effettivo o "Inf" se impostata su infinito.
    2. Aprire il software, identificare quali contenitori temporali devono essere testati (in base ai contenitori temporali positivi identificati in 5.3) e immettere il nome del file di testo creato in 5.4.1.
    3. Eseguire il test chiamando lo script. I risultati forniranno un valore tmax, un criterio del 95% e un valore p che saranno fondamentali per determinare se esiste una violazione significativa del modello race nell'intero campione di studio.
  5. Calcolare l'area sotto la curva (AUC) per ogni individuo dopo aver stabilito i contenitori percentili significativamente violati nel passaggio 5.3. L'AUC servirà come grandezza dell'integrazione multisensoriale (o della variabile indipendente). Per calcolare i dati del partecipante 1 come esempio, per i contenitori percentili 0.00 - 0.15 illustrati nella figura 8a-d).
    1. Sommare il valore della differenza CDF nel time bin 1 (1st time positive value) con il valore di differenza CDF del time bin 2 (valore positivo successivo) e quindi dividere per due (vedere Figura 8a). Ripetere il passaggio 5.3.1. per ogni coppia consecutiva di contenitori temporali contenenti valori positivi (vedere la figura 8b-8c).
    2. Sommare i risultati ottenuti dai passi 5.5.1 - 5.5.2. per generare l'AUC totale dell'onda di differenza CDF durante l'intervallo percentile violato (ad esempio, 0,00 – 0,15 nella figura 8d).
      NOTA: L'AUC è una misura continua ed è presente un valore AUC per ogni individuo per la parte violata dell'RMI (Figura8d ellisse rossa - AUC del partecipante 1 - 0,13). L'AUC può essere utilizzata come variabile indipendente che rappresenta la "grandezza dell'integrazione VS" che può essere successivamente testata per prevedere importanti misure di esito clinico (vedi anche28,29).
  6. Assegnare gruppi di classificazione dell'integrazione multisensoriale in base al numero di contenitori percentili violati (valori maggiori di zero evidenziati in grigio nella tabella3) durante l'intervallo di percentili significativamente violato identificato in precedenza nel passaggio 5.3. Guardando la tabella 3 (contenitori percentili 0,00 – 0,15): il partecipante 1 ha valori positivi per 2 bidoni su 4; Il partecipante 2 ha valori positivi per 4 bidoni su 4; e il Partecipante 3 ha valori positivi per 0 bidoni su 4.
    1. Rendere operativa un sistema di classificazione basato sul numero di contenitori percentili violati (valori maggiori di zero per i contenitori 0, 1, 2 o 3) durante il percentile 0-10 esimo.
    2. La figura 9 illustra una potenziale definizione di classificazione che viene adattata dai dati pubblicati di recente presentati da Mahoney e Verghese29.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Lo scopo di questo studio era quello di fornire un tutorial passo-passo di un approccio metodico per quantificare l'entità degli effetti di integrazione VS, per favorire la pubblicazione di nuovi studi multisensoriali utilizzando simili disegni sperimentali e configurazioni (vedi Figura 1 ). Screenshot di ogni passo e calcolo necessari per derivare la grandezza degli effetti di integrazione multisensoriale, misurati da RMI AUC, sono delineati sopra e illustrati nelle figure 2-8.

La figura 9 mostra una violazione media di gruppo (traccia tratteggiata) che si verifica nell'intervallo percentile 0-10% per un campione di 333 adulti più anziani (vedi anche29). In questo caso, il numero totale di valori positivi (0, 1, 2 o 3) per questi 3 quantili (0,00 - 0,10) determina rispettivamente il gruppo di classificazione multisensoriale assegnato a una persona (carente, scarsa, buona o superiore).

Come illustrato nella Figura 9, i risultati con media di gruppo dimostrano una significativa violazione del modello di gara rispetto al decimo più veloce di tutti i tempi di risposta26. Mentre questa forma d'onda di differenza media di gruppo suggerisce che in media gli adulti più anziani dimostrano una significativa violazione del modello di razza (cioè effetti di integrazione multisensoriale), sosteniamo che questa non è una dimensione unica adatta a tutti i modelli. Piuttosto, l'AUC dell'individuo sotto il periodo di tempo violato (0-10%ile) fornisce un proxy migliore per valutare l'entità dell'individuo dell'integrazione VS, poiché i modelli di integrazione differenziale sono stati documentati 20-23, 28,29. Una volta calcolato, la grandezza individuale dell'integrazione VS può servire come un predittore continuo di risultati importanti in varie popolazioni cliniche.

È consigliabile implementare un sistema di classificazione, ad esempio in base al numero di contenitori percentili violati (valori maggiori di zero) durante il periodo di violazione RMI media dal gruppo, come mezzo per rappresentare modelli di integrazione differenziale intrinseci. La classificazione dei dati in questo modo rivelerà un chiaro degrado della violazione del modello di gara da parte del gruppo di classificazione dell'integrazione multisensoriale.

Figure 1
Figura 1: Apparecchi sperimentali. Utilizzando un pedale situato sotto il piede destro come supporto di risposta, ai partecipanti è stato chiesto di rispondere agli stimoli non sensoriali e multisensoriali il più rapidamente possibile. Questa cifra è stata ristampata con il permesso22,28,29. Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 2
Figura 2: Calcolo della frequenza di un RT che si trova all'interno di un intervallo specificato di RT per ogni condizione sperimentale. a) Visuale (V); b) Somatosensoriale (S); e c) Visual-Somatosensoriale (VS). Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 3
Figura 3: Creazione della frequenza di distribuzione cumulativa per le condizioni sperimentali. Questa cifra illustra la somma della probabilità cumulativa al bidone del 95% per la condizione Soma (S). Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 4
Figura 4: Tracciare il CDF effettivo (condizione VS; traccia viola) in funzione del quantile. Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 5
Figura 5: Calcolo del CDF previsto. Sommare i CPF dei due CF unisensoriali, includendo un limite superiore di 1 per ciascuno dei quantili da 0,00 a 1,00. Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 6
Figura 6: Creare la disuguaglianza del modello di gara (RMI). Sottrarre il CDF del CDF previsto dal CDF effettivo per ogni quantile. Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 7
Figura 7: Tracciare i singoli valori RMI. L'asse x rappresenta ciascuno dei 21 quantili (colonna AC) e l'asse y rappresenta la differenza di probabilità tra CDF (colonna AH). La parte verde evidenziata dell'RMI raffigura la parte positiva o violata della forma d'onda, indicativa dell'integrazione multisensoriale. Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 8
Figura 8: Calcolo dell'Area-Sotto la Curva (AUC) di un individuo. a) Sommare il valore della differenza CDF al quantivo 1 (0,00) con il valore della differenza CDF del quantivo 2 (0,05) e quindi dividere per due per creare una misura di AUC da 0,00 a 0,05. b-c) Ripetere il passo a) per ogni coppia consecutiva di quantili (ad esempio, 0,05 - 0,10 e 0,10 - 0,15) per ottenere l'AUC per ogni intervallo di quantili. d) Sommare l'AUC per ogni intervallo di collocazione temporale per ottenere l'AUC totale per l'intera finestra di collocazione temporale identificata in 5.3. Si noti che questo esempio include un intervallo di quantili più ampio (0,00 - 0,15) solo a scopo illustrativo. Fare clic qui per visualizzare una versione più grande di questa figura.

Figure 9
Figura 9: Disuguaglianza del modello di gara: generale e per classificazione di gruppo. La differenza media di gruppo tra i CPF effettivi e quelli previsti sulla traiettoria di tutti i quantili è rappresentata dalla traccia tratteggiata. Le tracce solide rappresentano ciascuna delle quattro classificazioni di integrazione multisensoriale definite in precedenza in base al numero di cestini quantili violati. Questa figura adattata è stata ristampata con il permesso29. Fare clic qui per visualizzare una versione più grande di questa figura.

File supplementare 1: Esempio di paradigma del tempo di reazione semplice programmato in Eprime 2.0. Fare clic qui per scaricare questo file.

File supplementare 2: Esempio di output dei dati comportamentali dei dati RT da Eprime 2.0. Fare clic qui per scaricare questo file.

File supplementare 3: Dati RMI di esempio con e senza outlier e prove omesse. Fare clic qui per scaricare questo file.

Tabella 1. Statistiche descrittive individuali per condizione e calcolo dell'intervallo RT. Fare clic qui per scaricare questo file.

Tabella 2. Esempio di collocazione dei dati RT in base all'intervallo RT. Fare clic qui per scaricare questo file.

Tabella 3. Esempio di calcolo AUC e identificazione del numero di quantili violati (area grigia ombreggiata). Fare clic qui per scaricare questo file.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

L'obiettivo dello studio attuale era quello di descrivere in dettaglio il processo alla base della creazione di un robusto fenotipo di integrazione multisensoriale. Qui, forniamo i passi necessari e critici necessari per acquisire effetti di integrazione multisensoriale che possono essere utilizzati per prevedere importanti risultati cognitivi e motori basandosi su circuiti neurali simili. Il nostro obiettivo generale era quello di fornire un tutorial passo-passo per calcolare la grandezza dell'integrazione multisensoriale nel tentativo di facilitare studi multisensoriali innovativi e nuovi traslazionali in diverse popolazioni cliniche e fasce di età.

Come detto sopra e delineato da Gondan e colleghi, è molto importante preservare il set di dati RT25,28. In altri modo, evitare le procedure di taglio dei dati che omette gli RT molto lenti data la sua distorsione intrinseca nella distribuzione RT; 25, invece, impostare gli RT omessi e lenti su infinito. Questo passaggio è fondamentale e il mancato rispetto di queste semplici regole porterà allo sviluppo di risultati imprecisi di integrazione multisensoriale. Inoltre, i test di significatività del modello di gara devono essere testati solo su porzioni violate mediamente di gruppo dell'RMI identificate nella coorte di studio (cioè, non su priori, finestre specificate).

In termini di limitazioni, l'attuale progetto sperimentale si basava su dati provenienti da un semplice compito di tempo di reazione a stimoli bilaterali che venivano presentati allo stesso luogo e esattamente nello stesso momento. Riconosciamo che diversi adattamenti all'attuale progetto sperimentale possono essere fatti a seconda di varie ipotesi che i ricercatori sono interessati ad esaminare. Utilizziamo questo studio come trampolino di lancio per documentare i solidi effetti MSI nell'invecchiamento, ma riconosciamo che l'implementazione di vari adattamenti sperimentali (ad esempio, diverse combinazioni bi- e persino trisensoriali, tempi di esordio di presentazione di stimoli vari e magnitudine differenziale dell'intensità dello stimolo) fornirà una ricchezza di informazioni incrementali su questo fenomeno multisensoriale.

Abbiamo implementato l'approccio di cui sopra per dimostrare significative associazioni tra l'entità dell'integrazione visivo-somatosensoriale con l'equilibrio28 e gli incidenti cade28, dove gli adulti più anziani con una maggiore integrazione multisensoriale le abilità manifestano migliori prestazioni di equilibrio e meno cadute di incidenti. Allo stesso modo, dimostriamo che la grandezza dell'integrazione visivo-somatosensoriale era un forte predittore degli aspetti spaziali dell'andatura29, dove gli individui con una peggiore integrazione visivo-somatosensoriale dimostravano una velocità dell'andatura più lenta, passi più brevi, e un doppio supporto aumentato. In futuro, questa metodologia dovrebbe essere utilizzata per scoprire la relazione di MSI con altri importanti esiti clinici come lo stato cognitivo e aiutare nell'identificazione di reti neurali integrative multisensoriali funzionali e strutturali critiche nell'invecchiamento e altre popolazioni cliniche.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Non ci sono conflitti di interesse da segnalare e gli autori non hanno nulla da rivelare.

Acknowledgments

L'attuale corpus di lavoro è supportato dall'Istituto Nazionale sull'Invecchiamento presso l'Istituto Nazionale della Salute (da K01AG049813 a JRM). Il finanziamento supplementare è stato fornito dal Resnick Gerontology Center dell'Albert Einstein College of Medicine. Un ringraziamento speciale a tutti i volontari e al personale di ricerca per un supporto eccezionale con questo progetto.

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

Comportamento Numero 147 integrazione multisensoriale integrazione sensomotoria Disuguaglianza del modello di gara Effetto segnali ridondante invecchiamento
Utilizzo della disuguaglianza del modello di gara per quantificare gli effetti di integrazione multisensoriali comportamentali
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