Tek Taraflı Mekansal İhmalleri Değerlendirmek için Sanal Gerçeklik Araçları: Veri Toplama için Yeni Bir Fırsat

Tek taraflı mekansal ihmal (USN), akut inme kurtulanlarının% 23-46'sını etkileyen, en sık sağ serebral yarımkürede yaralanma içeren ve uzayın sol tarafını ve / veya kurtulanın vücudunu göz ardı etme eğilimine neden olan uzayın bir tarafındaki dikkatsizlik veya eylemsizlik ile karakterize bir ^{sendromdur1,2}. USN'li hastaların çoğunluğu kısa vadede önemli iyileşme yaşasa da, ince USN semptomları sıklıkla devam ^eder3. USN, düşmeler için hasta riskini artırabilir ve günlük yaşam aktivitelerini ^{etkileyebilir2,4} Ayrıca hem motor hem de küresel fonksiyonel sonuçları olumsuz etkilediği ^{gösterilmiştir5,6}.

USN'deki açıklar, bir kişinin kendi bedenine (benmerkezci) veya dış uyaran (allocentric)^7,8,9 ile ilgili olarak alanın bir tarafını göz ardı edip etmediği veya bir kişinin dikkatini (dikkat çekici) veya eylemlerini (kasıtlı) uzayın bir tarafına yönlendirip yönlendiremediği gibi birden fazla boyutta mevcut olarak kavramsallaştırılabilir10 . Hastalar genellikle bu boyutlardan birden fazlası boyunca karakterize edilebilen karmaşık bir semptom takımyıldızı sergilerler. USN sendromlarının bu değişkenliğinin, karmaşık olan spesifik nöroanatomik yapıların ve nöronal ağların çeşitli derecelerde yaralanmasından kaynaklandığı ^{düşünülmektedir11}. Allosentrik ihmal açısal girus (AG) ve üstün temporal girus (STG) lezyonları ile ilişkiliyken, supramarginal girus (SMG) dahil posterior parietal korteks (PPC) benmerkezci işlemeye dahil edilmiştir12,13,14,15. Dikkat ihmalinin sağ ^IPL16'da lezyonları içerdiği düşünülürken, kasıtlı ihmalin sağ frontal ^lob17 veya bazal ^gangliyon18 hasarına ikincil olduğu düşünülmektedir.

USN'nin klinik değerlendirmesi şu anda kalem ve kağıt nöropsikolojik aletlere dayanmaktadır. Bu geleneksel değerlendirme araçları, teknolojik olarak daha karmaşık araçlardan daha az hassas olabilir, bu da ^usn19'a sahip bazı hastalara yanlış tanı koyma veya eksik teşhis koyma ile sonuçlanabilir. Kalıntı açıklarının daha iyi karakterizasyonu, daha hafif USN'li hastalara tedavinin verilmesini kolaylaştırabilir ve potansiyel olarak genel iyileşmelerini artırabilir, ancak bu tür bir karakterizasyon çok hassas tanı araçları gerektirecektir. USN, inme hastaları arasında USN'ye yaygın olarak eşlik eden motor ve görme bozukluklarından izole etmenin zor olabileceği laboratuvar ortamında da benzer zorluklar ortaya koymaktadır.

Sanal gerçeklik (VR), USN'nin teşhisi ve karakterizasyonu için yeni araçlar geliştirmek için eşsiz bir fırsat sunar. VR, bireylerin ekolojik olarak geçerli nesneleri içeren görevleri yerine getirebildiği gerçek zamanlı etkileşimlerle ilk kişide sunulan çok duyarlı bir 3D ^ortamdır20. USN'yi değerlendirmek için umut verici bir araçtır; kullanıcının gördüklerini ve duyduklarını tam olarak kontrol etme yeteneği, geliştiricilerin kullanıcıya çok çeşitli sanal görevler sunmasını sağlar. Buna ek olarak, şu anda mevcut olan gelişmiş donanım ve yazılım paketleri, geleneksel tanılama testlerinin sunduğu ölçümleri çok aşan göz, kafa ve uzuv hareketleri de dahil olmak üzere kullanıcının eylemleri hakkında çok sayıda verinin gerçek zamanlı olarak toplanmasına izin ^verir21. Bu veri akışları anında kullanılabilir ve kullanıcı performansına göre tanılama görevlerinin gerçek zamanlı olarak ayarlanma olasılığını açar (örneğin, belirli bir görev için ideal zorluk düzeyini hedefleme). Bu özellik, ^USN22 için yeni tanılama araçlarının geliştirilmesinde öncelik olarak kabul edilen USN'de görülen geniş önem aralığına görev adaptasyonunu kolaylaştırabilir. Buna ek olarak, sürükleyici VR görevleri hastaların dikkat kaynaklarına daha fazla yük ^{getirebilir23,24}, ihmal semptomlarının tespitini kolaylaştırabilecek hataların artmasına neden olabilir; gerçekten de, bazı VR görevlerinin ^USN24,25'in geleneksel kağıt ve kalem ölçülerine kıyasla duyarlılığı artırdığı gösterilmiştir.

Bu çalışmada amaç, nörolojide hiçbir uzmanlık gerektirmeyen ve USN'nin ince vakalarını bile güvenilir bir şekilde tespit edebilecek ve karakterize edebilecek bir değerlendirme aracı oluşturmaktı. Sanal gerçeklik tabanlı, oyun benzeri bir görev inşa ettik. Daha sonra, el tipi stimülasyon bobininden yayılan elektromanyetik darbeleri kullanan, konunun kafa derisinden ve kafatasından geçen ve konunun beyninde nöronları uyaran elektrik akımlarını indükleyen bir noninvaziv beyin stimülasyon tekniği olan transkraniyal manyetik stimülasyon (TMS) ile sağlıklı deneklerde USN benzeri bir sendroma indükledik26,27. Bu teknik, USN'nin başkaları tarafından incelenmesinde 13,17,28,29,30 kullanılmıştır, ancak bilgimize göre vr tabanlı bir değerlendirme aracı ile asla birlikte değildir.

Birçok araştırmacı zaten VR sistemlerinin tanısal ve terapötik uygulamaları üzerinde çalışıyor. Son ^{incelemeler31,32}, USN'nin VR tabanlı tekniklerle değerlendirilmesini amaçlayan bir dizi projeyi inceledi ve bu amaçla bir dizi başka çalışma ^{yayınlandı33,34,35,36,37,38,39,40,41} . Bu çalışmaların çoğu, şu anda tüketici pazarına sunulan VR teknolojisinin tam tamamlayıcısını kullanmaz (örneğin, kafaya monte ekran (HMD) ve göz izleme uçları), veri kümelerini daha az sayıda kolayca ölçülebilir ölçümle sınırlar. Ek olarak, tüm bu çalışmalar USN'ye yol açan edinilmiş beyin hasarı olan hastalar üzerinde yapıldı ve hastaların en azından değerlendirme görevlerine katılabilmelerini sağlamak için tarama yöntemleri gerektirdi (örneğin, büyük görme alanı eksikliği veya bilişsel bozukluğu olan hastalar hariç). Daha ince bilişsel, motor veya görsel açıkların bu tarama yöntemlerinin eşiğinin altından geçmesi ve muhtemelen bu çalışmaların sonuçlarını şaşırtması mümkündür. Bu tür bir taramanın, bu çalışmalardaki katılımcıların örneklerini USN'nin belirli bir alt türüne doğru önyargılı hale getiren de mümkündür.

Önceki çalışmaların tarama önyargılarını önlemek için, SMG'yi hedef alarak STG ve benmerkezci USN benzeri semptomları hedefleyerek allocentric USN benzeri semptomları teşvik etmek ^{amacıyla, yakın} tarihli bir elyazmasında iyi açıklanan standart bir TMS protokolü ile sağlıklı denekler ve yapay olarak simüle edilmiş USN semptomlarını işe aldık. Görevi, zorluk denemesini denemeye aktif olarak ayarlamak ve USN'nin farklı alt tiplerini, özellikle allocentric ve benmerkezci semptomları ayırt etmek için tasarladık. Ayrıca, rTMS ile indüklediğimiz açıkların USN benzeri olduğunu resmi olarak göstermek için USN'nin standart kağıt ve kalem değerlendirmelerini kullandık. Yöntemin, USN'nin değerlendirilmesi ve rehabilitasyonu için yeni VR araçlarını test etmek isteyen diğer araştırmacılar için yararlı olacağına inanıyoruz.

Bu çalışma yerel Kurumsal İnceleme Kurulu tarafından onaylanmıştır ve İyi Klinik Uygulama Kılavuzları tarafından belirlenen tüm kriterleri karşılamamaktadır. Tüm katılımcılar, herhangi bir çalışma prosedürü başlamadan önce bilgilendirilmiş onay verdi. Çalışma katılımcılarının üç ayrı oturuma katılmaları bekleniyordu (Tablo 1'de özetlenmiştir). Deneyin öğeleri aşağıda adım adım açıklanmıştır. Oturum sırası rastgele yapıldı.

Tablo 1. Her çalışma oturumu için yapı. Oturum sırası rastgele yapıldı. Her öğe için tahmini süre italiktir. MEP=motor potansiyeli çağrıştırdı; rTMS=Tekrarlayan Transkraniyal Manyetik Stimülasyon; P&P=Kağıt ve Kalem Strok Tanı Testleri; RMT=Dinlenme Motoru Eşiği

1. Kağıt ve kalem davranışsal görevleri

1. Öznenin satır iki bölüm görevini (LBT) tamamlamasını bildirin.
   1. Deneğin test edenin tam karşısındaki masaya oturmasını sa. Konuya bir yazma gereçleri sağlayın. Konuya doğrudan konunun önüne yerleştirildiklerinden emin olarak uyaran levhasını (Şekil 1) sağlayın.
      NOT: Bu deneyde yapılmamış olsa da, konuyu ek bağlamla önyargılı hale getirmekten kaçınmak için her satırı ayrı kağıtlar üzerinde ayrı ayrı ikiye ayırmak ideal olacaktır (Bkz. Ricci ve Chatterjee, 200142).
   2. Konuya, uyaran levhasına basılan her satırı ikiye ayırmasını (yarıya bölmesini) ve mümkün olduğunca ortaya yaklaşmasını söyleyin.
   3. Deneğe başlarını ve omuzlarını mümkün olduğunca iyi ortalasın, görevi mümkün olduğunca hızlı ve doğru bir şekilde tamamlamasını ve bittiğinde test edeni bilgilendirmesini söyleyin. Başlarını aşırı eğik veya eğik olmadıklarından emin olmak için konuyu izleyin.
   4. Denekler bitti dediğinde kağıdı konudan toplayın.
2. Denek Bell'in testini tamamlasın.
   1. Konuya Bell'in test uyaranlarını sağlayın (Şekil 2).
   2. Konuya, uyaran sayfasındaki tüm çanları daire içine almasını veya üst kısmının üzerini çizilmesini, mümkün olduğunca hızlı ve doğru bir şekilde yapmasını, başlarını ve omuzlarını mümkün olduğunca ortalanmış tutmasını ve bittiğinde test edeni bilgilendirmesini söyleyin.
   3. Başlarını aşırı eğik veya eğik olmadıklarından emin olmak için konuyu izleyin. Konu bitti dediğinde, konuya emin olup olmadıklarını sorun ve çalışmalarını iki kez kontrol etmelerine izin verin.
   4. Denekler ikinci kez yapıldığını söylediklerinde, sayfayı konudan toplayın.
3. Konunun yıldız iptali görevini tamamlamasını salayın.
   1. Konuyu doğrudan önlerinde olduğundan emin olarak uyaran levhası (Şekil 3) ile sunun.
   2. Konuya, uyaran sayfasındaki tüm yıldızları daire içine almasını veya üzerini çizip çizilmesini, bunu mümkün olduğunca hızlı ve doğru bir şekilde yapmasını, başlarını ve omuzlarını mümkün olduğunca ortalanmış tutmasını ve bittiğinde test edene bildirmesini söyleyin.
   3. Başlarını aşırı eğik veya eğik olmadıklarından emin olmak için konuyu izleyin.
   4. Denekler bitti dediğinde kağıdı konudan toplayın.
4. Öznenin Ota'nın daire iptali görevini tamamlamasını salayın.
   1. Konuya Ota'nın daire iptal uyaran sayfasını (Şekil 4) sağlayarak doğrudan konunun önüne yerleştirildiğinden emin olmak.
   2. Özneye tüm açık/eksik dairelerin üzerini çizip daire içine almalarını, bunu mümkün olduğunca hızlı ve doğru bir şekilde yapmaları, omuzlarını mümkün olduğunca ortalanmış tutmaları ve bittiğinde test edene bildirmeleri talimatını verin.
   3. Başlarını aşırı eğik veya eğik olmadıklarından emin olmak için konuyu izleyin.
   4. Denekler bitti dediğinde kağıdı konudan toplayın.
   5. Bu görevi (adım 1.4.1 ile 1.4.4) uyarıcı sayfasının başka bir kopyasıyla tekrarlayın, ancak bu kez uyarıcı sayfası başlangıçta sunulduğu yönden 180 derece döndürülmelidir.

2. TMS prosedürleri

1. İlk seanstan önce nöronavigasyon için bir model oluşturun.
   1. Nifti veya dicom dosya türünde denek 3T T1 MRI taramasını alın.
   2. MrI taramasını nöronavigasyon yazılımına yükleyerek deneğin beyninin 3D temsilini oluşturun.
      1. Yazılım içinde Yeni Boş Proje'yi seçin. Öznenin MRI taramasını "Dosya:" etiketli alana sürükleyin.
      2. Yeniden Yapılandırmalar sekmesine gidin.
      3. Yeni Kaplama'yı seçin ve bir sonraki ekranda, beynin tüm görüntüsünü kapsayacak şekilde yeşil sınır çizgilerini sürükleyin. İşlem kaplaması'nın öğesini seçin. En uygun rekonstrüksiyonu elde etmek için Cilt/Hava Eşiği'ni buna göre ayarlayın.
      4. Rekonstrüksiyonlar sekmesine geri dönün ve Yeni Tam Beyin Eğrisel'i seçin ve beynin tüm görüntüsünü kapsayacak şekilde yeşil sınır çizgilerini sürükleyin. Dilim aralığını 1 mm'ye ayarlayın ve uç derinliğini 18 mm'ye ayarlayın. Eğrilik Hesapla'yı seçin.
      5. Yer İşaretleri sekmesine gidin ve Yer İşaretlerini Yapılandır'ı seçin. Yeniden yapılandırmada bir dönüm noktası oluşturmak için Yeni'yi seçin. Burnun ucuna, burnun köprüsüne, sol tragus'a ve sağ tragus'a simgesel yapılar yerleştirin.
      6. Hedefler sekmesine gidin ve Hedefleri Yapılandır'ı seçin. Eğrisel Beyin ve Hedefler görünümünü seçin. Denetçiyi kullanarak, 5-7 mm derinliğe kadar soyun.
      7. Shah-Basak ve ark. (2018)¹⁴, Neggers ve ark. (2006)¹¹ ve Oliveri ve Vallar (2009)³⁹ yönergelerini takip ederek üstün zamansal girus veya supramarginal girus'u bulun ve bu bölgelere bir işaret yerleştirin.
      8. İki merkezi sülücünün, tepe noktasında sahte stimülasyon için ortanca boyuna çatlak boyunca buluştuğu bir işaretleyici yerleştirin.
2. İlk oturum sırasında, konunun Dinlenme Motor Eşiğini bulun (davranış görevinden önce veya sonra tamamlanabilir).
   1. Konuyu optik izleme kamerasının önüne oturt ve kafa bandı veya gözlük kullanarak konuya bir izleyici yerleştirin.
   2. Deneğin sağ eline ve bileğine üç tek kullanımlık elektrot takın.
      1. Deneğin ilk dorsal interosseous'una bir disk elektrot takın. Sağ işaretçi parmağında öznenin ikinci eklemine ikinci bir disk elektrot takın. Deneğin sağ bileğine bir yer elektrot takın.
   3. Bu elektrotları bir MEP izleme yazılımına giren bir elektrot adaptörüne takın.
   4. Yeni Çevrimiçi Oturum'u seçerek konunun projesini nöronavigasyon yazılımı içinde açın.
   5. Bu oturumda uyarılacak hedefleri seçin (Köşe, SMG, STG).
   6. Polaris sekmesine gidin ve konu izleyicinin kameranın görünümünde olduğundan emin olun.
   7. Kayıt sekmesine gidin.
   8. Nöronavigasyon yazılımına kayıtlı bir işaretçi kullanarak, yer işaretlerinin 2.1.2.5 adımına yerlendiği konumlarda deneklerin yüzüne dokunun.
      1. Örnek'e tıklayın ve işaretçi her yer işareti için konunun başına düzgün bir şekilde konumlandırıldığında Sonraki Dönüm Noktası'na gidin.
   9. Doğrulama sekmesine gidin.
   10. İşaretçiyi kullanarak, konuya kafalarındaki çeşitli noktalara dokunun ve ekrandaki nişangahların konuyla ilgili işaret edilen noktayla hizalandığından emin olun.
       1. Sıraya girmiyorlarsa, 2.2.8 adımını yinele ve işaretçinin yer işaretçisinin simge yapılara mümkün olduğunca hassas bir şekilde yerleştirildiğından emin olun.
   11. Gerçekleştir sekmesine gidin ve deneycinin hedef alacak beyin bölgelerini tam olarak bulabilmesi için Tam Beyin Eğrisel Görünümü'nün seçili olduğundan emin olun.
   12. Sürücüyü kullanılacak TMS bobini olarak ayarlayın.
   13. El tipi TMS bobini TMS makinesine takın.
   14. TMS Makinesini açın ve tek darbeye ayarlayın. Stimülasyon yoğunluğunu uygun şekilde ayarlayın; bu deneyde makine çıkışının %65'i başlangıç noktası olarak kullanılmıştır.
   15. El tipi TMS bobini konunun başının sol tarafına yerleştirin ve DDY'yi uyaran konumu belirlemek için TMS'nin tek darbelerini kullanarak motor korteks içinde uyarın. DDY kasının stimülasyon nedeniyle ne zaman seğirdüğini belirlemek için öznenin parmağını izleyecek bir asistana sahip olmak yararlı olabilir.
   16. Stimülasyon tam olarak 5/10 kez en az 50 mV MEP ortaya çıkana kadar stimülasyon yoğunluğunu değiştirin ve bu dinlenme motoru eşiği (rMT) olacaktır.
3. Görevler arasında uyarılma
   1. El bobini için hava soğutmalı bir TMS bobini ikame ederek 2.2.1 ile 2.2.13 arası adımları tekrarlayın.
   2. Şah-Başak vd. (2018)¹⁵ tarafından belirlenen parametrelere uygun olarak rMT'nin %110'u yoğunlukta 20 dakika boyunca (toplam 1200 darbe) tekrarlayan TMS'ye 1 Hz hızında stimülasyon parametrelerini ayarlayın.
   3. Aktif oturumlar için SMG veya STG'yi veya sham oturumları için Vertex'i hedef alan, konunun kafasına dahili soğutma sistemine sahip hava soğutmalı bir TMS bobini yerleştirin (Şekil 5).
   4. Stimülasyona devam edin.

3. VR davranışsal görevi

1. Destekleyici yazılım yükleyin.
   1. Pupil Labs web sitesinden Pupil çekirdek yazılımını indirip yükleyin.
   2. Unity 3D 2018.3'ü Unity web sitesinden indirip yükleyin.
   3. OpenVR aracını Unity Asset Store veya Steam üzerinden indirip yükleyin.
2. VR donanımını ayarlayın (örneğin, HTC Vive Pro).
   1. Odanın karşı taraflarına baz istasyonları yerleştirin, net bir görüş hattı sağlayın ve takın.
   2. Kanallar arasında geçiş yapmak için her sensörün arka tarafındaki Kanal/Mod düğmesine basın, bunlardan biri " b" kanalına ve biri " c" olarak ayarlanana kadar.
   3. HTC Vive Pro'ya Pupil Labs Dürbün takın.
   4. Kulaklığı Bağlantı Kutusu'na bağlayın. Kulaklıkta üst ve yan kayışları ayarlayın. Lens mesafesini ayarlayın.
3. SteamVR'ı başlatın.
   1. Steam'in sağ üst köşesindeki VR simgesine tıklayarak SteamVR'ı başlatın.
      1. Güç düğmesiyle denetleyicileri açın.
      2. SteamVR'de Ayarlar |'ne tıklayın Ekrandaki yönergeleri izleyerek her denetleyiciyi eşleştirmek için Yeni Cihazı Eşleştirin.
      3. SteamVR menüsünden Oda Kurulumu'na tıklayın ve ekrandaki yönergeleri izleyin.
4. Pupil Core Yazılımını başlatın.
5. Kulaklıkları oturan deneğin kafasına yerleştirin ve her iki kontrol cihazını da verin. Kayışların sıkı ama rahat olduğundan emin olun. Pupil Core Software'in kamera akışlarında ortalandıklarını görsel olarak doğrulayarak her iki gözün de görünür olduğundan emin olun.
6. Unity Editor'da VR görevini açın ve Oynat düğmesine basın.
7. Deneyi çalıştırın.
   1. Deneklerden dümdüz ileriye bakmasını isteyin ve ekrandaki DaraLı Kamera düğmesine tıklayın.
   2. Öğreticiyi Başlat düğmesini tıklatın ve konunun öğreticiyi tamamlamasını bekleyin. Öğretici, VR sistem denetleyicisinin çalışması hakkında sesli talimat, simetrik (yem) ve asimetrik (hedef) çiçeklerin açıklamaları ve örnekleri ve az sayıda yem ve hedef çiçek içeren 1 dakikalık bir alıştırma oturumundan oluşur. Öğretici 75-100 saniye sürer ve öğretici performans verileri toplanmaz.
   3. Konu tamamlandığında Göz İzlemeyi Kalibre Ed
      1. Kalibrasyon başarılı olursa, konu otomatik olarak göreve başlar. Aksi takdirde, 3.7.3 adımlarını yineleyin.
   4. Sonraki Deneme düğmesini tıklatarak ilk deneme sürümüne başlayın.
      NOT: VR görevi sırasında denekler sanal bir ormana yerleştirilir (Şekil 6). Üç kavisli kutu çit, konunun önündeki mesafeye ulaşma mesafesinde yarı daire oluşturdu. Her deneme, her biri 16 yaprakları olan, çitler arasında doğrudan görüş alanında dağıtılan çeşitli sayıda çiçekten oluşuyordu (Şekil 7). Deneklere tüm asimetrik "hedef" çiçekleri "toplamaları" (çiçeğin vurgulaması için kontrolörlerini bir çiçeğin üzerinde tutmaları, ardından işaret parmağıyla tetik düğmesini bastırmaları) ve tüm simetrik "yem" çiçeklerini yalnız bırakmaları talimatı verildi. Her deneme, denek tüm asimetrik hedef çiçekleri başarıyla seçtiğinde sona erer, ancak konunun zamanı biterse (2 dakikalık zaman sınırı) veya özne yanlışlıkla tüm simetrik yem çiçeğini seçerse de sona erer. Tüm bu durumlarda çalılardaki kalan çiçekler temizlenecek ve deneyciden bir sonraki denemeye başlaması istenecekti.
   5. Konu artık bir denemeyi etkin olarak tamamlamayana kadar bekleyin ve en az 12 deneme tamamlanmadıkça 3.7.4 adımını yineleyin.
   6. Görevi sonlandırmak için Yürüt düğmesini yeniden tıklatın.

Veriler, sanal gerçeklik görevinden çıkarılabilen farklı değişkenlerin gruplar arasındaki ince farklılıkları tespit etmek için nasıl analiz edilebileceğini göstermek için yukarıda özetlenen protokol kullanılarak sağlıklı bireylerden toplanmıştır.

Bu çalışmada yaş ortalaması 25,6 olan 7 birey (2 erkek) ve ortalama 16,8 yıllık eğitim her biri üç ayrı TMS seansı geçirmiştir. Bu konular iki gruba ayrıldı: dört katılımcı supramarginal girusta (SMG) tekrarlayan TMS alırken, diğer üç katılımcı üstün temporal girusta (STG) TMS stimülasyonu aldı. Tüm katılımcılar, TMS'ye yanıt olarak bireysel değişkenliği hesaba katmak için analizlerde bir kovarya olarak kullanılan ayrı bir oturum sırasında sham TMS aldı. Her oturum sırasında katılımcılara, performanstaki değişimi incelemek için TMS stimülasyonundan önce ve sonra sanal gerçeklik görevi uygulandı.

İlk olarak, sanal gerçeklik görevinin SMG ve STG grupları arasındaki farkı belirleyecek kadar hassas olup olmadığını belirlemek için ortalama kafa açısı (Şekil 8) incelendi. Kafa açısı değişim puanları, TMS sonrası puanlardan TMS öncesi puanlar çıkarılarak hesaplanmıştır. TMS stimülasyonundan sonra kafa açısında gruplar arasında bir fark olup olmadığını belirlemek için bir ANCOVA çalıştırıldı. Sham TMS kafa açısı değişim puanları, bireysel farklılıkları hesaba katmak için bir kovarya olarak kullanılmıştır. Analizlerin küçük bir pilot örnek kullanılarak yapıldığı göz önünde bulundurularak, SMG grubunun STG grubuna kıyasla ortalama bir değişim puanının alanın sağ tarafına daha fazla yöneldiği F(1,4) = 10,25, p = 0,03 olmak üzere iki grup arasındaki kafa açısı değişim puanlarında önemli bir fark bulunmuştur (Şekil 9).

Benzer bir desen, SMG grubunun TMS sonrası yönetimde TMS öncesi, t(4) = 2.78, p = 0.04 ile karşılaştırıldığında hattı sağa doğru önemli ölçüde daha fazla yerlaştırdığı çizgi bizeksiyon testi kullanılarak bulundu. Bu bulgu STG grubunda bulunamadı, t(3) = 3.18, p = 0.56. SMG veya STG gruplarında sanal gerçeklik görevinde TMS öncesi ve sonrası kafa açısında önemli bir fark olmasa da, SMG grubunun STG grubuna kıyasla ortalama bir kafa açısı değişim puanının önemli ölçüde daha sağa yönlendirildiği bulgusu da benzer bir bulguyu göstermektedir. Sanal gerçeklik görevinden elde edilen bu bulgu, geleneksel kağıt ve kalem görevinin sonuçlarıyla tutarlıdır, çünkü her ikisi de SMG grubunun ince bir ihmale sahip olabileceği ve STG grubuna kıyasla sağa daha fazla baktığı bir desen göstermiştir. Sanal gerçeklik görevinden toplanan veriler, Şekil 9'da da görülebileceği gibi, TMS stimülasyonundan önceki ve sonraki performansı incelemek için bireysel bir katılımcı düzeyinde görselleştirilebilir.

Daha sonra, çiçekler, özellikle bireysel bir hedef düzeyde allocentric ihmal belirtilerini değerlendirmek için çiçeğin hangi tarafında kusurlu çiçek yaprağı (yani, sağ taç yaprağı ve sol yaprak, bkz. Şekil 10) içerdiği ile ayrılmıştır. Sol tarafta yaprakları daha kısa olan çiçekler için iki grup arasında kafa açısı değişim puanlarında fark olmamakla birlikte, F(1,4) = 0,09, p = 0,78, sağ tarafında daha küçük yaprakları olan çiçekler için iki grup arasında kafa açısı değişim puanlarında önemli bir fark vardı, F(1,4) = 9,52, p = 0,04. Özellikle, SMG grubundaki katılımcılar, çiçeğin sağ tarafındaki kısa yaprağı ararken sağa daha fazla bakma eğilimine sahipti (daha yüksek çiçekten başa açı, bkz. Şekil 11). Konunun kafasının çalıya göre açısı (çalı açısı, bkz . Şekil 12) analiz için de mevcuttur ve bu da çalıya göre allosentrik ihmalin tespit edilmesine izin verir. Bu analizler, ihmalin ince ve spesifik yönlerini yakalamak için değişkenlerin nasıl daha spesifik hale getirilebileceğini göstermektedir.

Verilerin analiz edilebileceği başka yollar da vardır. Katılımcıların her çiçeğe baktıkları ortalama saniye sayısını inceleyerek bir grubun kusurlu çiçekleri tanımlamakta daha fazla zorluk olup olmadığını belirledik (çiçeğe bakarak harcanan daha fazla saniye ile karakterize edildiği gibi). Bu örnekte, bu ölçeğin en hassas olduğu varsayımında bulunduğundan, yaprakların geri kalanının% 95'i büyüklüğünde kusurlu bir yaprakları olan çiçeklerden veriler çıkarılmıştır. Grup (SMG vs. STG) ve çiçek görsel alanını (sağa ve sola) karşılaştırmak için karışık bir ANCOVA çalıştırıldı. TMS öncesi ve sonrası değişim puanları hesaplandı ve her iki grubun da TMS'yi takiben çiçeklere bakarak harcanan sürede bir artış gösterip göstermediğini incelemek için sonuç değişkeni olarak kullanıldı. Hem sol hem de sağ çiçekler için sham TMS koşulu, bireysel değişkenliği hesaba katmak için bir kez daha kovarit olarak kullanıldı. Gruplar arasında anlamlı bir fark olmamakla birlikte, F(1,3) = 0,12, p = 0,76, çiçek görme alanında, F(1,3) = 5,62, p = 0,098 (Şekil 13) arasında marjinal olarak anlamlı bir fark vardı. Etki istatistiksel öneme ulaşmaz; ve ileriye dönük olarak daha fazla konu değerlendirilmelidir. Buna rağmen, bu veriler, verilerin sanal gerçeklik ortamında belirli çiçek türleri ve görsel alanla nasıl sınırlanabileceğinin bir örneği olarak hizmet vermektedir. Bu analizlerin gösterdiği gibi, katılımcıların performansını karşılaştırmak, araştırmacılara TMS'nin etkilerini ölçmek veya sınav görevlilerinin özel araştırma sorusuna bağlı olarak daha genel olarak ihmal etmek için hassas ve dinamik bir yol sağlayabilir.

Şekil 1: Çizgi iki bölüm görevi uyaran sayfası Bu şeklin daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 2: Bell'in test uyaran sayfası Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 3: Yıldız iptali testi uyaran sayfası Bu rakamın daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 4: Ota daire iptal uyaran sayfası Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 5: Tekrarlayan TMS stimülasyonu; nöronavigasyonel yazılım (solda), manyetik stimülasyon ünitesi (ortada) ve yazar CH (sağda) üzerinde konumdaki hava soğutmalı bobin.

Şekil 6: VR görevi sırasında konu tarafından görülen sanal orman ortamı Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 7: Hedef ve yem çiçekleri dağıtılan üç kavisli kutu çitinin düzeni Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 8: Baş açısı - başın ön ekseni ile gövde arasındaki açı Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 9. Bu şekil, görev performansı sırasında kafa açısı kullanılarak yapılan iki analizi gösterir:
(Sol) SMG ve STG grubu kafa açısı değişim puanları. Bu ölçekte, 0 puanı her çiçeğin ortasına baktıklarını gösterirken, olumlu puanlar sağa baktıklarını, negatif puanlar ise sola baktıklarını gösterir. SMG grubu olumlu puanlara sahipti, bu da stimülasyonu takiben ortalama olarak sağa daha fazla baktıklarını, STG grubunun ise olumsuz puanlara sahip olduğunu ve stimülasyonu takiben sola daha fazla baktıklarını gösteriyordu. SMG ve STG grubu önemli ölçüde farklı kafa açısı değişim puanlarına sahipti. (Sağ). Her katılımcı için TMS öncesi ve sonrası TMS için çizilen ortalama kafa açısı. STG grubu, Stimülasyonu takiben doğru görsel alana daha fazla bakan SMG katılımcılarının aksine (pozitif sayılarla temsil edildiği gibi) TMS stimülasyonundan önce ve sonra güçlü farklılıklar göstermedi. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Şekil 10: Asimetrik hedef çiçekler, solda (solda) daha küçük yaprakları ve sağda (sağda) daha küçük yaprakları olan bu rakamın daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 11: Çiçekten başa açı - başın ön ekseni ve çiçeğin toplandığını / tanımlandığını anda kafadan gelen çiçek tarafından bastırılmış açı Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Şekil 12: Çalı açısı - çiçek tarafından bastırılan açı ve çiçeğin çalısının merkezden, çiçeğin top alındığı / tanımladığı anda lütfen bu rakamın daha büyük bir versiyonunu görüntülemek için buraya tıklayın.

Şekil 13. TMS öncesi ve sonrası her çiçeğe bakmak için harcanan saniyeler için ortalama değişiklik puanı. Negatif puanlar, katılımcıların TMS sonrası yönetimde çiçeklere bakmak için TMS öncesi yönetime kıyasla daha az zaman harcadığını gösterirken, olumlu sayılar TMS sonrası çiçeklere bakmak için daha fazla zaman harcadığını göstermektedir. Veriler, çiçeklerin sanal ortamda sol ve sağ görsel alanda bulunup bulunmadığına göre ayrılır. Veriler de gruba göre ayrıldı (SMG vs. STG). Çiçekler, 0,95 ölçeğinde kusurlu yaprakları olanlarla sınırlandırıldı. İstatistiksel olarak anlamlı olmasa da, çiçek görsel alanının marjinal bir etkisi vardı. Nitel olarak, sol görsel alandaki çiçekler için sağa kıyasla daha fazla değişkenlik olduğu görülmektedir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Yazarların açıklayacak bir şeyi yok.