Davranışsal multisensory entegrasyon efektlerini ölçmek için yarış modeli eşitsizliği kullanma

Çok duyusal entegrasyon etkilerinin büyüklüğünü hesaplamak için tekrarlanabilir bir yöntem oluşturulması önemlidir, çünkü farklı klinik popülasyonlar arasında gelecekteki çevirisel araştırmaların kolaylaştırılmasına yardımcı olacaktır. Tekniğimizin en büyük avantajı, daha sonra denge, düşme, yürüyüş ve yürütme işlevleri gibi yaşlanmadaki önemli bilişsel ve motor sonuçlarla ilişkilendirilen sağlam bir çok duyusal bütünleşme fenotipini ölçebilmektir. Üç deneysel koşullar, görsel tek başına, somatosensory tek başına ve eşzamanlı görsel-somatosensory ile basit bir tepki zaman deney programlamak için uyarıcı sunum yazılımı kullanarak başlayın.

Üç kontrol kutuları ile bir uyarıcı jeneratör kullanın. Sol ve sağ kontrol kutuları, görsel stimülasyon için aydınlatan ikili mavi ışık yayan diyotlar ve somatosensoriyel stimülasyon için titreşen 0,8 G titreşim genliği ile ikili motorlar ve uyarıcılar için plastik gövde içerir. Ardından, sol ve sağ kontrol kutularından eşit uzaklıkta bir merkez kukla kontrol kutusu yerleştirin ve sabitleme noktası olarak hizmet vermek için görsel bir hedef etiketi yapıştırın.

Deney ayarlandıktan sonra katılımcıyı test odasına götürün. Katılımcının dik oturmasını ve ellerini sol ve sağ kontrol kutularının üzerine rahatça dinlendirmesini sağa. Işığı engellememek için işaret parmaklarını kontrol kutusunun arkasına monte edilen titreşimli motorların üzerine stratejik olarak yerleştirin ve LED'lerin altındaki kontrol kutusunun ön tarafındaki başparmakları yerleştirin.

Somatosensoriyel uyaranların, katılımcılara sürekli beyaz gürültünün rahat bir düzeyde çalındığı kulaklıklar sağlayarak duyulmaz olduğundan emin olun. Katılımcının yanıt pedi olarak sağ ayağın altında bulunan bir ayak pedalı kullanmasını sorun. Son olarak, katılımcının her uyarıcıya hissedip hissetmediğine, görüp görmediğine veya görüp görmediğine bakılmaksızın mümkün olduğunca çabuk yanıt vermesi gerekir.

Herhangi bir uyarıcı durumunda %70 doğru veya daha fazla doğruluk elde edemeyen katılımcıları hariç tutarak analize başlayın. Bir katılımcı, belirlenen yanıt süresi içinde bir uyarıcıya yanıt veremezse ve denemeyi çözümden dışlamak yerine karşılık gelen tepki süresini veya RT'yi sonsuzluğa ayarlamazsa denemeleri yanlış olarak düşünün. RT verileri, artan sıraya göre deneysel duruma göre sıralanır.

Görsel, somatosensoriyel ve VS koşullarını ayrı sıralanmış RT veri sütunlarına yerleştirin. Her satırın bir denemeyi ve her hücrenin gerçek RT'yi temsil diğinden emin olun. Bu RT verilerinin dağılımı önyargı olacak gibi, çok yavaş RTs silmek veri kırpma yordamları istihdam etmeyin. Açıkça aykırı olan RT'lerin sonsuzluğa ayarlandığından emin olun.

Ardından, RT verilerini almak için en hızlı ve en yavaş RT'yi tanımlayın. Tüm test koşullarında bireyin RT aralığını hesaplamak için en yavaş RT'yi en hızlısından çıkarın. En hızlı RT'yi alarak %0'dan %100'e kadar olan %5'lik artışlarla ve daha önce hesaplanan RT aralığına %5 ekleyerek, RT verilerinin %100'ü hesaba girene kadar 21 zaman kutusu elde edilir. Ardından, bir bilgisayar elektronik tablosu içinde, dizi bir deneysel koşullardan biri için gerçek RT'lere eşit, dizi iki sayının daha önce hesaplanan 21 sayısal RT kutusunun koşul başına toplam deneme sayısına göre 45'e bölündüğü bir frekans işlevi kullanın.

Ardından, üç deneysel koşulun her biri için sayısallaştırılmış kutular arasında çalışan olasılıkların toplamını özetleyerek kümülatif dağıtım frekansını veya CDF'yi oluşturun. Çok duyusal durumun CDF'si gerçek CDF'yi temsil eder. Öngörülen CDF'yi hesaplamak için, bir üst sınıra ayarlanmış iki duyusuz CDF'yi toplamı.

Bu formülü, 21 niceliksel zaman kutularının her birinde kullanın. Sıfırın yüzdesi ile başlayın ve bin 21 için 100 yüzdelik kadar devam edin. Ardından, Race Model Eşitsizliği Testini gerçekleştirmek için, fark değerlerini elde etmek için 21 sayısallaştırılmış zaman kutularının her biri için öngörülen CDF'yi gerçek CDF'den çıkarın.

Bu 21 değeri, x ekseninin nicel zaman kutularının her birini temsil ettiği ve y ekseninin gerçek ve tahmin edilen CDF'ler arasındaki olasılık farkını temsil ettiği bir çizgi grafiği olarak çizin. Burada, herhangi bir gecikme de olumlu değerler unisensory uyaranların entegrasyonu gösterir ve RMI ihlalini yansıtır. Çoklu duyusal etkiyi grup düzeyinde ölçmek için, tüm katılımcılar arasında tek tek RMI verilerini grup ortalamasına göre ölçer.

Bireyleri satırlara ve zaman kutularını sütunlara atamak için elektronik tablo kullanın. Ardından, yeni bir elektronik tabloda, grup ortalaması olan bir fark dalga formu oluşturmak için daha önce hesaplanan 21 fark değerini tek tek satırlara ve ortalama değerleri zaman kutularına yerleştirin. Daha sonra, x ekseninin nicel zaman kutularının her birini temsil ettiği ve y ekseninin CDF'ler arasındaki olasılık farkını temsil ettiği bir çizgi grafiği olarak grup ortalama21 değerini çizin.

Son olarak, katılımcı nın verilerini örnek olarak kullanarak her birey için eğrinin altındaki alanı hesaplayın. CDF fark değerini, saat teki CDF fark değeri yle bir saat içinde bin iki olarak toplamı ve ardından ikiye bölün. Pozitif değerler içeren ardışık her çift zaman kutularını görsel olarak inceleyin.

Daha sonra, ihlal edilen yüzdelik aralığı 0,00-0,10 sırasında CDF fark dalgasının toplam AUC oluşturmak için bu sonuçları toplamı. Sonuçlar, 333 yaşlı yetişkinden oluşan bir örnek için sıfır ile %10 arasında gerçekleşen grup ortalaması ihlalini göstermektedir. Bu üç quantiles için sıfır, bir, iki veya üç olan pozitif değerlerin toplam sayısı, 0,00 ile 0,10 arasında, bir kişinin sırasıyla eksik, zayıf, iyi veya üstün olmak üzere hangi çok duyusal sınıflandırma grubuna atandığını belirler.

Daha önce de belirttiğimiz gibi, RT dağıtımlarını önyargılı hale getirmek için veri kesme prosedürlerinden kaçınmak çok önemlidir. Yavaş tepki süreleri ve atlanan denemeler sonsuza ayarlanmalıdır. Buradaki temel amaç, çok duyusal bütünleşmenin sağlam bir fenotipini geliştirmekti.

Bunu söyledikten sonra, yaşlanmada diferansiyel çok duyusal entegrasyon modellerinin farkındayız ve bir sonraki adımımız, belirli yapısal veya işlevsel değişikliklerin diferansiyel entegrasyon modellerine nasıl katkıda bulunacağını belirlerken bu tür bütünleştirici süreçlerden sorumlu sinir ağlarını ortaya çıkarmak olacaktır. Yaşlanmada görsel-somatosensoriyel entegrasyonla ilişkili sinirsel korelasyonları belirlemeye çalışıyoruz ve bu gelişmelerin Alzheimer ve Parkinson dahil ancak bunlarla sınırlı olmamak üzere çeşitli hastalıklara dair içgörüler sağlayacağına inanıyoruz.