Summary

Использование неравенства модели расы для количественной оценки эффектов мультисенсорной интеграции

Published: May 10, 2019
doi:

Summary

Нынешнее исследование направлено на то, чтобы обеспечить пошагово-пошаговое учебное решение для расчета масштабов эффектов мультисенсорной интеграции в целях содействия проведению трансляционных исследований среди различных клинических групп населения.

Abstract

Мультисенсорные интеграционные исследования исследуют, как мозг обрабатывает одновременную сенсорную информацию. Исследования на животных (в основном кошек и приматов) и людей показывают, что нетронутая мультисенсорная интеграция имеет решающее значение для функционирования в реальном мире, в том числе когнитивных и физических нагрузок. Большая часть исследований, проведенных в течение последних нескольких десятилетий документы мультисенсорных интеграционных эффектов с использованием различных психофизических, электрофизиологических и нейровизуальных методов. Хотя было сообщено о его присутствии, методы, используемые для определения величины эффектов мультисенсорной интеграции, различаются и, как правило, сталкиваются с большой критикой. В далее, ограничения предыдущих поведенческих исследований изложены и пошаговый учебник для расчета величины мультисенсорных интеграционных эффектов с использованием надежных моделей вероятностей предоставляется.

Introduction

Взаимодействие между сенсорными системами имеет важное значение для повседневных функций. В то время как мультисенсорные интеграционные эффекты измеряются в широком диапазоне популяций с использованием различных сенсорных комбинаций и различных подходов к нейробиологии, включая, но не ограничиваясь психофизическими, электрофизиологическими и нейровизуальными методологииNo 1,2,3,4,5,6,7,8,9, в настоящее время золотой стандарт для количественной мультисенсорной интеграции не хватает. Учитывая, что мультисенсорные эксперименты обычно содержат поведенческий компонент, данные времени реакции (RT) часто исследуются, чтобы определить существование известного явления, называемого эффектом избыточных сигналов10. Как следует из названия, одновременные сенсорные сигналы обеспечивают избыток информации, которые обычно дают быстрее RTs. Гонки и модели совместной активации используются для объяснения вышеупомянутого избыточного эффекта сигналов11. В гонках модели, unisensory сигнал, который обрабатывается быстрее всего является победителем гонки и несет ответственность за производство поведенческой реакции. Однако, фактические данные для совместной активации происходит, когда ответы на мультисенсорные стимулы быстрее, чем то, что предсказывают расовые модели.

Более ранние версии модели гонки по своей сути спорные12,13, как они называются некоторыми как чрезмерно консервативные14,15 и якобы содержат ограничения в отношении независимости между составными односенсорными временами обнаружения, присущими мультисенсорному состоянию16. Стремясь устранить некоторые из этих ограничений, Colonius и Diederich16 разработали более обычный тест модели гонки:

Equation 1,

где кумулятивные частоты распределения (CDFs) несенсорных условий (например, A и B; с верхним пределом одного) сравниваются с CDF одновременного мультисенсорного состояния (например, AB) для любой данной задержки(t)11, 16 Год , 17. В целом, CDF определяет, как часто происходит RT, в пределах заданного диапазона РТ, разделенных на общее количество презентаций стимулов (т.е. испытаний). Если CDF фактического мультисенсорного состояния Equation 2 меньше или равна прогнозируемому CDF, полученному из несенсорных условий

Equation 3,

затем модель гонки принимается, и нет никаких доказательств для сенсорной интеграции. Однако, когда мультисенсорный CDF больше, чем прогнозируемый CDF, полученный из несенсорных условий, модель гонки отклоняется. Отказ от гоночной модели указывает на то, что мультисенсорные взаимодействия из избыточных сенсорных источников объединяются нелинейным образом, что приводит к ускорению РТ (например, упрощение РТ) к мультисенсорным стимулам.

Одним из основных препятствий, с которым сталкиваются мультисенсорные исследователи, является то, как лучше всего количественно определить интеграционные эффекты. Например, в случае с самой основной поведенческой мультисенсорной парадигмой, где участникам предлагается выполнить простую задачу по времени реакции, собирается информация о точности и скорости. Такие мультисенсорные данные могут быть использованы по номинальной стоимости или манипулировать с помощью различных математических приложений, включая, но не ограничиваясь максимальной оценкой вероятности18,19,CDFs11, и различные другие статистические Подходы. Большинство наших предыдущих мультисенсорных исследований использовали как количественные, так и вероятностные подходы, в которых мультисенсорные интегративные эффекты были рассчитаны на 1) вычитание среднего времени реакции (RT) в мультисенсорное событие от среднего времени реакции ( RT) к кратчайшем несенсорному событию, и 2) с помощью CDFs, чтобы определить, является ли содействие RT результатом синергетических взаимодействий, облегчаемых избыточной сенсорной информацией8,20,21, 22 Г. , 23.Однако, бывшая методология, вероятно, не чувствительны к индивидуальным различиям в интегративных процессах, и исследователи с тех пор полагают, что более поздняя методология (т.е. CDFs) может обеспечить лучшее прокси для количественной оценки мультисенсорных интегративные эффекты24.

Гондан и Минаката недавно опубликовали учебник о том, как точно проверить неравенство модели гонки (RMI), так как исследователи слишком часто делают бесчисленные ошибки на этапах приобретения и предварительной обработки данных RT сбора и подготовки25. Во-первых, авторы полагают, что это неблагоприятно применять процедуры обрезки данных, где установлены определенные априори минимальные и максимальные лимиты RT. Они рекомендуют, чтобы медленные и опущенные ответы были поставлены на бесконечность, а не исключались. Во-вторых, учитывая, что RMI может быть нарушен при любой задержке, несколько T-тестов часто используются для тестирования RMI в разных точках времени (т.е. количественные); к сожалению, эта практика приводит к увеличению погрешности типа I и существенному снижению статистической мощности. Чтобы избежать этих проблем, рекомендуется, чтобы RMI были протестированы в течение одного конкретного диапазона времени. Некоторые исследователи предположили, что имеет смысл проверить самый быстрый квартил реакций (0-25%)26 или некоторые предварительно идентифицированные окна (т.е. 10-25%)24,27 как мультисенсорные интеграционные эффекты, как правило, наблюдается в течение этого интервала времени; однако мы утверждаем, что протестированный диапазон процентиля должен быть продиктован фактическим набором данных (см. Раздел протокола 5). Проблема с опорой на опубликованные данные от молодых людей или компьютерного моделирования является то, что пожилые люди проявляют очень разные распределения RT, вероятно, из-за возрастных сокращений сенсорных систем. Тестирование значения модели гонки должно быть проверено только на нарушенных частях (положительных значениях) группо-средней разницы волны между фактическими и прогнозируемыми CDFs от когорты исследования.

С этой целью был продемонстрирован защитный эффект мультисенсорной интеграции у здоровых пожилых людей с использованием обычного теста гоночной модели16 и принципов, изложенных Гонданом и коллегами25. В самом деле, большая величина визуально-соматосенсорной RMI (прокси для мультисенсорной интеграции) было установлено, что связано с лучшей производительности баланса, более низкая вероятность падения инцидента и увеличение пространственной походки производительность28,29.

Цель нынешнего эксперимента заключается в том, чтобы предоставить исследователям пошаговую инструкцию для расчета масштабов мультисенсорных интеграционных эффектов с использованием RMI, чтобы облегчить увеличение производства различных трансляционных исследований по всей различных клинических популяций. Обратите внимание, что данные, представленные в текущем исследовании, взяты из недавно опубликованных визуально-соматосенсорных экспериментов, проведенных на здоровых пожилых людей28,29, но эта методология может быть применена к различным когортам во многих различных экспериментальных конструкций, используя широкий спектр мультисенсорных комбинаций.

Protocol

Все участники представили письменное информированное согласие на экспериментальные процедуры, которые были одобрены институциональным наблюдательным советом Медицинского колледжа Альберта Эйнштейна. 1. Набор участников, критерии инклюзивности и согласие Нанят?…

Representative Results

Цель этого исследования состояла в том, чтобы обеспечить пошаговый учебник методического подхода к количественной оценке масштабов эффектов интеграции VS, чтобы способствовать публикации новых мультисенсорных исследований с использованием аналогичных экспериментальных конструкци?…

Discussion

Цель нынешнего исследования заключалась в том, чтобы подробно изучить процесс создания надежного мультисенсорного фенотипа интеграции. Здесь мы предоставляем необходимые и критические шаги, необходимые для приобретения мультисенсорных интеграционных эффектов, которые могут быть и?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

В настоящее время работа поддерживается Национальным институтом по проблемам старения при Национальном институте здравоохранения (K01AG049813 до JRM). Дополнительное финансирование было предоставлено Ресником Геронтологического центра Медицинского колледжа Альберта Эйнштейна. Особая благодарность всем добровольцам и научно-исследовательскому персоналу за исключительную поддержку в этом проекте.

Materials

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

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., Stein, B. E. Ch. 38. The New Handbook of Multisensory Processing. , 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. , (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. , (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).

Play Video

Cite This Article
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).

View Video