Waiting
Login processing...

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

Behavior

人種モデルの不等式を使用して行動多感覚統合効果を定量化する

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

今回の研究は、多様な臨床集団間で翻訳研究の生産を容易にするために、多感覚統合効果の大きさを計算するためのステップバイステップのチュートリアルを提供することを目的としています。

Abstract

多感覚統合研究は、脳が同時感覚情報を処理する方法を調査します。動物(主に猫や霊長類)と人間に関する研究は、認知活動と身体活動の両方を含む現実世界での機能のために、無傷の多感覚統合が重要であることを明らかにしました。過去数十年にわたって行われた研究の多くは、多様な心理物理学、電気生理学的、および神経イメージング技術を使用して多感覚統合効果を文書化しています。その存在が報告されている間, 多感覚統合効果の大きさを決定するために使用される方法は異なり、通常、多くの批判に直面しています.以下では、以前の行動スタディの限界について概説し、堅牢な確率モデルを使用して多感覚統合効果の大きさを計算するためのステップバイステップチュートリアルを提供します。

Introduction

感覚システム間の相互作用は、日常の機能に不可欠です。多感覚統合効果は、様々な感覚の組み合わせと異なる神経科学のアプローチを使用して集団の広い配列にわたって測定されますが[心理物理学、電気生理学的、神経イメージングを含むが、これらに限定されない)方法論]1,2,3,4,5,6,7,8,9, 現在のゴールドスタンダード多感覚統合の定量化が欠如している。多感覚実験が典型的に行動成分を含むことを考えると、反応時間(RT)データはしばしば冗長信号効果10と呼ばれるよく知られた現象の存在を決定するために調べられる。その名前が示すように、同時感覚信号は冗長情報を提供し、通常はより速いRTを生み出します。レース モデルでは、最速で処理される単感覚信号がレースの勝者であり、動作応答を生成する責任があります。しかし、多感覚刺激に対する応答がレースモデルが予測するよりも速い場合に、共活性化の証拠が生じる。

レースモデルの以前のバージョンは、彼らが過度に保守的な14、15と呼ばれ、独立性に関する制限が含まれていると言われるように、本質的に論争の的となっている12、13です。多感覚状態16に内在する構成的単感覚検出時間の間。これらの制限のいくつかに対処するために、コロニウス&ディエデリッヒ16は、より従来のレースモデルテストを開発しました:

Equation 1,

単感覚条件の累積分布周波数(CDF)(例えば、A&B;上限1)が、特定の待ち時間(t)11の同時多感覚状態のCDFと比較される場合16歳,17.一般に、CDFはRTが発生する頻度を、所定のRTの範囲内で、刺激プレゼンテーションの総数(すなわち試験)で割った値を決定する。実際の多感覚状態のCDFが単感覚Equation 2条件に由来する予測CDF以下である場合

Equation 3,

その後、レースモデルが受け入れられ、感覚統合の証拠はありません。ただし、多感覚 CDF が単感覚条件に由来する予測 CDF よりも大きい場合、競合モデルは拒否されます。レースモデルの拒絶は、冗長感覚源からの多感覚相互作用が非線形的な方法で結合し、その結果、多感覚刺激へのRT(RT促進)の高速化をもたらすことを示す。

多感覚研究者が直面する主なハードルの1つは、統合効果を最適に定量化する方法です。例えば、最も基本的な行動多感覚パラダイムの場合、参加者が簡単な反応時間タスクを実行するように求められる場合、精度と速度に関する情報が収集されます。このような多感覚データは、額面で使用したり、最大尤度推定18、19、CDF11、および様々な他の統計を含むがこれらに限定されない様々な数学的アプリケーションを使用して操作することができますアプローチ。これまでの多感覚研究の大半は、多感覚統合効果を1)で計算した定量的および確率的アプローチの両方を採用し、平均反応時間から多感覚事象(RT)を多感覚事象に差し引いた(RT)最短の単感覚事象に、および2)冗長感覚情報8、20、21によって促進された相乗的相互作用からRT円滑化が生じるかどうかを決定するためにCDFを採用することにより、 22歳,23.しかし、前者の方法論は、統合プロセスの個人差に敏感ではなかった可能性が高く、研究者は、後の方法論(すなわち、CDF)が多感覚を定量化するためのより良いプロキシを提供するかもしれないと主張している。統合効果24.

ゴンダンとミナカタは最近、研究者がRTデータ収集と準備25の取得と前処理段階で無数のエラーを犯すことが多いため、レースモデルの不平等(RMI)を正確にテストする方法についてのチュートリアルを公開しました。まず、著者は、特定の最小RT制限と最大RT制限が設定されているデータトリミング手順を適用することは好ましくないと考えています。低速応答と省略応答は、除外するのではなく、無限大に設定することをお勧めします。第二に、RMIが遅延時に違反する可能性があることを考えると、複数のt検定を使用して異なる時点(等量)でRMIをテストすることがよくあります。残念ながら、このプラクティスはタイプ I エラーの増加と統計的電力の大幅な削減につながります。これらの問題を回避するには、RMI を 1 つの特定の時間範囲でテストすることをお勧めします。一部の研究者は、応答の最速四分位数(0-25%)26またはいくつかの事前に識別されたウィンドウ(すなわち、10-25%)24、27は、多感覚統合効果が一般的に観察されるのが理にかなっていることを示唆しているその時間間隔の間に;ただし、テストする百分位数の範囲は、実際のデータセットによって決定される必要があると主張しています (プロトコルセクション 5を参照)。若年成人やコンピュータシミュレーションから公表されたデータに依存する問題は、高齢者が感覚システムの加齢に伴う減少に起因する可能性が非常に異なるRT分布を明らかにすることです。レース モデルの有意性テストは、スタディ コホートからの実際の CF と予測された CF のグループ平均差波の違反部分 (正の値) に対してのみテストする必要があります。

この目的のために、レースモデル16の従来のテストとGondanおよび同僚25が定めた原理を用いて健康な高齢者における多感覚統合の保護効果が実証されている。実際、視覚ソマト感覚RMI(多感覚統合のプロキシ)の大きさは、より良いバランス性能、インシデントの落下の確率の低下および空間歩行性能の増加に関連していることが判明した28,29。

現在の実験の目的は、RMIを使用して多感覚統合効果の大きさを計算するためのステップバイステップのチュートリアルを研究者に提供し、多様な翻訳研究の生産を促進することです。多くの異なる臨床集団。現在の研究で提示されたデータは、健康な高齢者28、29に対して行われた最近発表された視覚身体感覚実験からのものですが、この方法論は、多くの異なる異なる様々なコホートに適用することができます。多感覚の組み合わせの広い配列を利用する実験的な設計。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

すべての参加者は、アルバート・アインシュタイン医科大学の機関審査委員会によって承認された実験手順に書面によるインフォームド・コンセントを提供しました。

1. 参加者募集、包含基準、同意

  1. 独立して楽しむことができ、重大な感覚損失のない英語を話す個人の比較的大きなコホートを募集します。実験的評価を妨げるアクティブな神経学的または精神的な障害;モビリティに影響を与える現在/将来の医療処置。
  2. 各参加者が感覚スクリーニング試験を正常に完了できることを確認し、視覚、聴覚、身体感覚の視力を正式にテストし、研究の妥当性を確認します。
    1. スネレンアイチャートを使用して、両側の視力が20/100以上であることを確認します。
    2. トーン発光オトスコープを使用して、参加者が25 dB30で2,000 Hzのトーンを聞くことができることを確認します。
    3. 参加者が臨床神経障害の診断を維持しているかどうか、および実験的な身体感覚刺激21,28,29を感じる能力を妨げるかどうかを決定する。
    4. 参加者がこれらの最小感覚要件を満たすことができない場合は、研究に含めしないでください。
  3. AD8認知症スクリーニング面接カットオフスコア≥2 31,32などの信頼性の高いスクリーニング手段からカットスコアを実装することにより、認知症の高齢者を除外します。と記憶障害画面MIS;カットオフスコア < 533.
  4. 参加する意思がある場合は、実験手順(地元の機関審査委員会によって承認)に書面による同意を与えます。

2. 実験設計

  1. 刺激プレゼンテーションソフトウェアを使用して、視覚(V)単独、身体感覚(S)単独、および同時視覚身体感覚(VS)の3つの実験条件を用いて簡単な反応時間実験をプログラムする。条件に関係なく、できるだけ早く各感覚刺激に応答するように参加者に知らせます。VS 単純 RT タスク (補足ファイル1) の例については、補足ファイルを参照してください。
    1. 3つのコントロールボックス(30.48 mm ×20.32 mm ×12.70 mm)と刺激器用のプラスチックハウジングを備えた刺激発生器を使用します。左右のコントロールボックスには、視覚刺激用に照射する両側青色発光ダイオード(LED;直径15.88cm)と、身体感覚刺激のために振動する0.8G振動振幅を持つ両側モーター(A.15.88 cm径)が含まれています。携帯電話の振動)22,23,28.
    2. 刺激発生器が単感覚(視覚OR身体感覚単独)と多感覚(同時視覚および身体感覚)刺激の両方を提供することを確認する。2.1.1 で説明されている左右のコントロール ボックスから、中央のダミー コントロール ボックスを等距離 (28 cm) に配置します。固定点として機能する視覚的なターゲットステッカー(直径0.4cmの中央円)を貼り付けます。
    3. 各刺激器の直接制御を可能にするパラレルポートを介して実験コンピュータに刺激ジェネレータを接続します。
    4. 刺激プレゼンテーションソフトウェアをプログラムして、トランジスタ-トランジスタ論理(TTL、5V)パルスをパラレルポートを介して直接トリガ刺激発生器に送信します。刺激表示時間を 100 ミリ秒に設定します。
  2. 刺激プレゼンテーションソフトウェアでは、この単純な反応時間実験のための合計135の刺激プレゼンテーションのための45の試験(各刺激条件の15の試験)からなる各3つの実験ブロックの最小3つの実験ブロックをプログラムする。
  3. 刺激間インターバルを1~3秒の間でランダムに変化させ、解毒効果を防ぎます。あるいは、刺激パラメータが上記と同じであるが、TTLパルスが送信されないキャッチ試験を挿入すると、視覚または身体感覚刺激は起こらないため、応答は期待されない。
  4. 参加者が特定の刺激条件に応答できるように、最大 2,000 ミリ秒。2,000 ミリ秒の応答期間内に応答が検出されない場合は、刺激プレゼンテーション ソフトウェアが自動的に次の試行に進むことを確認します。
    注: この応答ウィンドウのカットオフは任意ですが、実験時間の合計を最小限に抑える必要があります。長い RT は関係なく無限大に設定されることに注意してください。
  5. 刺激プレゼンテーションソフトウェアで20sのブレークをプログラミングして3つの実験ブロックを分離し、潜在的な疲労を軽減し、集中力を高めます。20 s ブレークが終了した直後に、後続の各ブロックが開始されることを確認します。
  6. 視覚的な表示(実験コンピュータのモニター)に表示されるプログラム書かれた指示。正確な指示は補足資料で提供されています。開始の準備ができたら、応答パッドを右足で押して実験を開始してもらいます。刺激パラメータがプログラムされると、刺激プレゼンテーションソフトウェアは、各参加者に対して実行されるスクリプトを作成します。
  7. 実験スクリプトを実行するために、参加者 ID とセッション番号を指定します。実験が完了すると、参加者ごとに一意の動作データ ログが生成されます (サンプル Eprime 2.0 出力ファイルの補足ファイル 2を参照)。

3. 装置・タスク

  1. 参加者に直立して座り、左右のコントロールボックスに手を置いせます。
    1. コントロールボックスの背面に取り付けられた振動モーターの上に人差し指を戦略的に置き、コントロールボックスの前面に親指を置き、LEDの下に光を遮断しないようにします(図1参照)。
    2. 連続的なホワイトノイズが快適なレベル(通常は65~75 dBs)で再生されるヘッドフォンを参加者に提供することにより、身体感覚刺激が聞こえないことを確認します。
  2. 参加者に対し、すべての刺激にできるだけ早く対応するよう指示する。
    1. 指は身体感覚刺激を受け入れるので、右足の下にあるフットペダルをレスポンスパッドとして使用してもらいます(図1参照)。
  3. 刺激条件でパフォーマンス精度を計算します。
    1. 各実験刺激(条件につき45)にできるだけ早く反応するように参加者に指示する。
    2. 条件ごとの正確に検出された刺激の数を45以上(条件ごとの試験の総数)に分割し、それぞれ視覚、身体感覚、VS条件の性能精度の測定を得る。

4. 競合モデルの不等式データ準備(個人レベル)

  1. 個人の行動パフォーマンスが有効かどうかを判断します。
    1. 単純な反応時間タスクに対する参加者のパフォーマンス精度が低下するにつれて、1つの刺激条件で70%以上の精度を達成できない参加者を除外し、個人のデータの信頼性も低下します。
    2. 参加者が設定された応答時間内に刺激に応答できず、分析25,28から試用を除外するのではなく、対応するRTを無限大に設定した場合、試験は不正確(省略)を考慮してください。
      注:以前の研究では、グループ平均(n=289)刺激検出はすべての条件で96%であり、人口の90%以上がすべての条件28について90%以上の検出率を持っていました。
    3. RT データの分布に偏りが生じ、非常に遅い RT を削除するデータトリミング手順を使用しないでください。25明らかに外れ値である RT が無限大に設定されていることを確認します。データトリミング手順に基づく CDF の変更を示す補足ファイルと低速の RT (補足ファイル3) を参照してください。
  2. RT データを整理します。
    1. RT データを実験条件で昇順に並べ替える。並べ替えられた RT データの別々の列に視覚、身体感覚、および VS 条件を配置します。各行が 1 つの試用版を表し、各セルが実際の RT (または試行を省略または遅い試行の場合は無限大) を表していることを確認します。
  3. RT データをビンにします。
    1. 最速の RT (条件 - オレンジ色の楕円) と最も遅い RT (条件 -赤い楕円) を識別します。すべてのテスト条件で個々の RT 範囲 (503 ミリ秒、 青い楕円) を計算するために、最も速い RT から最も遅い RT を差し引きます (例: 740 ミリ秒 - 237 ミリ秒)。表 1は、個人の RT 範囲を計算する方法を示し、さまざまな色の楕円を示します。
    2. 0% (この例では最速 RT = 237) から 100% (この例では最も遅い RT = 740) までのビン RT データは、最速の RT を取り、4.3.1 で識別される RT 範囲の 5% を徐々に追加して 5% ずつ増加します (表 2参照)).これにより、21 回のビンが発生します。
      注: 表 2 - 1%ile は、例示のみを目的としてワークシートに含まれています。
  4. 実験条件の累積分布頻度 (CDF) を計算します。
    1. スプレッドシートソフトウェアを使用して、array1が実験条件の1つに対して実際のRTと等しく、array2がステップ4.3で計算された21の量子化されたRTビンを条件ごとの試行回数(45)で割った「FREQUENCY」関数を使用します。これは図 2aに示されています。
    2. 他の 2 つの実験条件 (図 2b-2c)に対してこの関数を繰り返し、3 つの実験条件のそれぞれについて、21 個の量子化された時間ビンのそれぞれに発生する RT の周波数 (または確率 (P)) を設定します。
    3. 次に、3 つの実験条件のそれぞれについて、クオンタイズされたビン全体の実行済み確率合計 (0%、0+5%、0+5+10%、0+5+10%など) を合計して、累積分布頻度 (CDF) を作成します。たとえば、ソマ条件の累積確率列 (列 AE) では、95% の ile 範囲 (セル AE22) の累積確率は、セル Z3:Z23 の確率値の合計です (図 3参照)。
  5. 実績と予測 CF。
    1. 多感覚条件の CDF が実際の CDF を表していることを確認します (図 4列 AF とプロットされた紫色のトレースを参照)。予測された CDF (列 AG) を計算するには、21 個のクオンタイズされた時間ビンのそれぞれに対して、2 つの単感覚 CDF (上限が 1 に設定) を合計します (図 5を参照)。0 パーセンタイル (ビン 1) から開始し、100パーセンタイル (ビン 21) まで続行します。
  6. 競合モデルの不等式(RMI)のテストを実施する。
    1. 予測されたCDF (4.5.2.で計算) を、21 個のクオンタイズされた時間ビンのそれぞれについて実際の CDF から差異値を引き出します (列 AH;図 6を参照)。
    2. これらの 21 の値を改示グラフとしてプロットし、X 軸が量子化された時間ビン (列 AC) のそれぞれを表し、Y 軸は実際の CDF と予測された CDF (列 AH; ) の確率差を表します。図 7(黒いトレース)。
    3. 単感覚刺激の統合を示し、RMIの違反を反映する任意の待ち時間(等位位数)で正の値をチェックしてください(図7の0.00から0.10の差波の緑色の強調表示された部分を参照)。

5. 多感覚効果の定量化(グループレベル)。

  1. 個々の RMI データ (予測されたCDF と 21 時間のビンの各々の実際の CDF の差、ステップ 4.6.1- 列 AH) をすべての参加者にわたってグループ平均化します。スプレッドシート ソフトウェアを使用して、行と時間のビンに個人を列として割り当てます。新しいスプレッドシートでは、個々の行に 4.6.1 で計算された 21 個の値 (参加者ごとに 1 行)、および時間内の平均値を 1 つのグループ平均差波形を作成します。
  2. グループ平均 21 の値を改行グラフとしてプロットし、X 軸は量子化された時間ビンのそれぞれを表し、Y 軸は CdF 間の確率差を表します。
  3. グループ平均差波(すなわち、正の値)の違反部分を視覚的に検査し、文書化します。
  4. Gondan の RMI 順列テスト (無料ダウンロードとして利用可能な R スクリプト)26を実行して、ステップ 5.3 で識別された正の値に対して RMI に統計的に有意な違反があるかどうかを判別します。
    1. オブザーバーの最初の列が "Obs" という名前の 1 つのテキスト ファイルにデータを編成し、2 番目の列は刺激条件 (V、S、または VS) の "Cond" という名前で、3 番目の列は実際の RT の場合は "RT"、または無限大に設定されている場合は "Inf" という名前になります。
    2. ソフトウェアを開き、テストする時間ビンを特定し (5.3 で識別された正の時間ビンに基づいて)、5.4.1 で作成されたテキスト ファイル名を入力します。
    3. スクリプトを呼び出してテストを実行します。結果は、t最大値、95% の基準、および p 値を提供し、スタディ サンプル全体にレース モデルの重大な違反が存在するかどうかを判断するのに役立ちます。
  5. ステップ 5.3 で著しく違反したパーセンタイル ビンを確立した後、各個人のカーブ下の面積 (AUC) を計算します。AUCは、多感覚統合(または独立変数)の大きさとして機能します。AUC 使用参加者 1 のデータを例として計算するには、図 8a-dに示すパーセンタイル ビン 0.00 ~ 0.15 の場合。
    1. 時間ビン 1 (1番目の時間正の値) の CDF 差異値を時間ビン 2 の CDF 差値 (次の正の値) で合計し、2 で除算します (図 8a を参照)。手順 5.3.1 を繰り返します。正の値を含む連続した時間ビンの各連続したペアについて (図 8b-8c を参照)。
    2. ステップ 5.5.1 から得られた結果を合計します。違反したパーセンタイル範囲の間に CDF 差波の合計 AUC を生成します (図 8dでは 0.00 ~ 0.15 など)。
      注: AUC は連続メジャーであり、RMI の違反部分に対して 1 つの AUC 値が各個人に存在します (図 8d赤い楕円 = 参加者 1 の AUC = 0.13)。AUCは、後で重要な臨床結果測定を予測するためにテストすることができる「VS統合の大きさ」を表す独立変数として使用することができます(また、28、29を参照)。
  6. ステップ 5.3 で上記で指定した著しく違反したパーセンタイル範囲の間に、違反した百分位数ビンの数 (表 3の灰色で強調表示されたゼロより大きい値) に基づいて、多感覚統合分類グループを割り当てます。表3 (パーセンタイル ビン 0.00 – 0.15): 参加者 1 は 4 ビンのうち 2 つの正の値を持ちます。参加者 2 は、4 つのビンのうち 4 つの正の値を持ちます。参加者 3 は、4 つのビンのうち 0 の正の値を持ちます。
    1. 0 ~ 10 パーセンタイルの間に違反した百分位数ビン (0、1、2、または 3 ビンの場合は 0より大きい値) の数に基づいて分類システムを操作します。
    2. 図 9は、マホニーと Verghese29によって提示された最近公開されたデータから適応された 1 つの潜在的な分類定義を示しています。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

本研究の目的は、VS統合効果の大きさを定量化する系統的アプローチのステップバイステップチュートリアルを提供し、同様の実験計画とセットアップを用いて新しい多感覚研究の出版を促進することにした(図1参照)。).RMI AUC によって測定された多感覚統合効果の大きさを導き出すために必要な各ステップと計算のスクリーンショットは、上記で説明され、図 2-8に示されています。

図 9は、333 人の高齢者のサンプルに対して 0 ~ 10% パーセンタイル範囲で発生するグループ平均違反 (破線トレース) を示しています (29 も参照)。ここでは、これら 3 つの分位数 (0.00 - 0.10) に対する正の値 (0、1、2、または 3) の合計数によって、人が割り当てられている多感覚分類グループ (不足、不良、良好、または上位) がそれぞれ決定されます。

図 9に示すように、グループ平均結果は、すべての応答時間26の最速 10 分の 1 を超える重大なレース モデル違反を示しています。このグループ平均差波形は、平均的な高齢者が有意な人種モデル違反(すなわち、多感覚統合効果)を示すことを示唆しているが、これはすべてのモデルに適合する1つのサイズではないと主張する。むしろ、違反した期間(0-10%ile)の下で個人のAUCは、差分統合パターンが20-23、28,29に文書化されているように、VS統合の個人の大きさを評価するためのより良いプロキシを提供します。一度計算されると、VS統合の個々の大きさは、様々な臨床集団における重要な結果の連続的な予測として役立つことができる。

固有の差分統合パターンを示す手段として、グループ平均 RMI 違反期間中に違反したパーセンタイル ビン (ゼロより大きい値) の数に基づいて分類システムを実装することをお勧めします。この方法でのデータの分類は、多感覚統合分類グループによるレースモデル違反の明らかな劣化を明らかにする。

Figure 1
図 1:実験装置。右足の下にあるフットペダルをレスポンスパッドとして使用し、参加者はできるだけ早く単感覚および多感覚刺激に応答するように求められた。この図は、許可22、28、29で転載されています。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 2
図 2:頻度の計算各実験条件に対して指定された RT の範囲内で発生する RTの。a) ビジュアル (V);b) 身体感覚 (S);とc)視覚ソマト感覚(VS)。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 3
図 3:実験条件の累積分布頻度を作成する。この図は、ソマ(S)条件の95%ileビンにおける累積確率の合計を示しています。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 4
図 4:実際の CDF (VS 条件、紫色のトレース) を分位数の関数としてプロットします。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 5
図 5:予測 CDF の計算。0.00 から 1.00 までの各分位数に上限 = 1 を含めながら、2 つの単感覚 CDF の CFを合計します。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 6
図 6: 競合モデルの不等式 (RMI) を作成します。各分位数の実際の CDF から予測 CDF の CDF を減算します。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 7
図 7: 個々の RMI 値をプロットします。X 軸は 21 の分位数 (列 AC) のそれぞれを表し、Y 軸は CdF 間の確率差 (列 AH) を表します。RMIの緑色の強調表示された部分は、多感覚統合を示す波形の正または違反部分を示しています。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 8
図 8: 個々のカーブの下の領域 (AUC)の計算。a) CDF差分値を分位 1 (0.00) で分位値 2 (0.05) で合計し、2 で除算して AUC のメジャーを 0.00 ~ 0.05 で作成します。b-c) 各分位範囲の AUC を達成するために、連続する分位数のペアごとにステップ a) を繰り返します(例: 0.05 - 0.10 および 0.10 ~ 0.15)。d) 各タイムビン範囲の AUC を合計して、5.3 で識別されたタイム ビン ウィンドウ全体の合計 AUC を取得します。この例には、例示のみを目的として、より広い分位範囲 (0.00 ~ 0.15) が含まれています。この図のより大きなバージョンを表示するには、ここをクリックしてください。

Figure 9
図 9: 競合モデルの不等式: 全体的およびグループ分類別。すべての分位数の軌跡に対する実際の CdF と予測された CF のグループ平均差は、破線トレースで表されます。ソリッド トレースは、違反した分位ビンの数に基づいて上記で定義された 4 つの多感覚統合分類のそれぞれを表します。この適応された図は、許可29で転載されています。この図のより大きなバージョンを表示するには、ここをクリックしてください。

補足ファイル1:サンプル単純反応時間パラダイムは、Eprime 2.0でプログラムされています。このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル 2:Eprime 2.0 からの RT データ動作データ出力のサンプル。このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル 3:外れ値と省略された試行の有無にかかわらず、RMI データをサンプルします。このファイルをダウンロードするには、ここをクリックしてください。

表 1.RT 範囲の条件と計算による個々の記述統計。このファイルをダウンロードするには、ここをクリックしてください。

表 2.RT 範囲に基づいて RT データをビンにする方法の例。このファイルをダウンロードするには、ここをクリックしてください。

表 3.AUC 計算の例 & 違反した分位数の # の識別 (灰色のシェード領域)。このファイルをダウンロードするには、ここをクリックしてください。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

今回の研究の目的は、堅牢な多感覚統合表現型の確立の背後にあるプロセスを詳細に説明することにあった。ここでは、同様の神経回路に依存する重要な認知および運動の結果を予測するために利用できる多感覚統合効果を獲得するために必要かつ重要なステップを提供する。私たちの全体的な目的は、多様な臨床集団と年齢範囲にわたって革新的で新しい翻訳多感覚研究を容易にするために、多感覚統合の大きさを計算するためのステップバイステップのチュートリアルを提供することでした。

上記で述べたように、Gondanと同僚によって概説されているように、個人のRTデータセット25、28を維持することは非常に重要です。つまり、RT 分布に固有のバイアスを与えると、非常に遅い RT を省略するデータトリミング手順は避けてください。代わりに 25を省略し、遅い RT を無限大に設定します。このステップは重要であり、これらの単純なルールに従わないと、不正確な多感覚統合結果の開発につながります。さらに、レース モデルの有意性テストは、スタディ コホートで識別された RMI のグループ平均違反部分 (つまり、事前に指定されたウィンドウではない) に対してのみテストする必要があります。

限界に関しては、現在の実験計画は、単純な反応時間タスクから、同じ場所に正確に同時に提示された二国間刺激までのデータに基づいていた。我々は、研究者が調べることに興味を持っている様々な仮説に応じて、現在の実験設計にいくつかの適応が可能であることを認識する。我々は、この研究を、老化における堅牢なMSI効果を文書化するための発射台として利用するが、様々な実験的適応の実施(例えば、異なる二重および三重感覚の組み合わせ、様々な刺激提示開始時間、および刺激強度の差分の大きさ)は、この多感覚現象に関する豊富な増分情報を提供します。

我々は、バランス28とインシデントが28に落ちる視覚ソマト感覚統合の大きさとの間の重要な関連性を実証するために、上記のアプローチを実装しました, より大きな多感覚統合を持つ高齢者能力は、より良いバランスのパフォーマンスを明らかにし、より少ないインシデントの低下。同様に、視覚ソマト感覚統合の大きさは歩行29の空間的側面の強い予測変数であり、視覚体感覚統合が悪い個人は歩行速度が遅く、歩幅が短いことを示した。ダブルサポートを増やしました。将来的には、この方法論は、認知状態のような他の重要な臨床結果とMSIの関係を明らかにし、加齢に重要な機能的および構造的な多感覚統合ニューラルネットワークの同定に役立つべきである。および他の臨床集団。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

報告する利益相反はなく、著者は開示するものがありません。

Acknowledgments

現在の研究機関は、国立衛生研究所(K01AG049813 to JRM)の高齢化研究所によって支えられている。補足資金は、アルバート・アインシュタイン医科大学のレズニック・ジェロントロジー・センターによって提供されました。このプロジェクトで優れたサポートを受けてくださったボランティアとリサーチスタッフの皆さん、特別な感謝を述べています。

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

行動、問題147、多感覚統合、感覚運動統合、レースモデルの不等式、冗長信号効果、老化
人種モデルの不等式を使用して行動多感覚統合効果を定量化する
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