不同感觉系统之间的相互作用对于日常功能至关重要。尽管已采用多种感觉组合和不同的神经科学方法（包括但不限于心理物理学、电生理学和神经影像学方法）1,2,3,4,5,6,7,8,9在多种人群中测量了多感觉整合效应，但目前仍缺乏量化多感觉整合的金标准。鉴于多感觉实验通常包含行为学成分，研究常通过分析反应时间（RT）数据来判断是否存在一种被称为“冗余信号效应”的著名现象10。顾名思义，同时呈现的感觉信号提供了冗余信息，通常会导致更短的反应时间。竞争模型和共激活模型被用于解释上述冗余信号效应11。在竞争模型中，处理速度最快的那个单感觉信号赢得“比赛”，并引发行为反应。然而，当对多感觉刺激的反应快于竞争模型所预测的速度时，则表明存在共激活的证据。
早期版本的种族模型本质上存在争议12,13，因其被一些人认为过于保守14,15，并且据称在多感官条件下固有的组成单感官检测时间之间的独立性方面存在局限性16。为了应对其中一些局限性，Colonius & Diederich16 开发了一种更为传统的种族模型检验方法：
,
其中，将单感觉条件（例如，A 和 B；上限为 1）的累积分布频率（CDF）与任何给定潜伏期（t）下的同步多感觉条件（例如，AB）的累积分布频率（CDF）进行比较11,16,17。通常情况下，CDF 表示在特定反应时（RT）范围内，某一反应时出现的频率除以总刺激呈现次数（即试验次数）。如果实际多感觉条件的 CDF 
小于或等于由单感觉条件推导出的预测 CDF
,
若如此，则接受竞赛模型，且无感觉整合的证据。然而，当多感觉累积分布函数（CDF）大于由单感觉条件预测得到的CDF时，竞赛模型被拒绝。拒绝竞赛模型表明，来自冗余感觉源的多感觉相互作用以非线性方式结合，导致对多感觉刺激的反应时（RT）加快（例如，RT促进）。
多感官研究领域面临的一个主要难题是如何最佳地量化整合效应。例如，在最基本的多感官行为范式中，研究人员要求参与者完成简单的反应时间任务，从而收集有关准确性和反应速度的信息。此类多感官数据可直接使用，也可通过多种数学方法进行处理，包括但不限于最大似然估计18,19、累积分布函数（CDFs）11以及各种其他统计方法。在我们以往的大多数多感官研究中，采用了定量与概率相结合的方法来计算多感官整合效应，具体包括两个步骤：1）用多感官刺激的平均反应时间（RT）减去单感官刺激中最短的平均反应时间（RT）；2）采用累积分布函数（CDFs）分析反应时间的加快是否源于冗余感官信息所促进的协同作用8,20,21,22,23。然而，前一种方法可能对整合过程中的个体差异不够敏感，因此研究人员随后提出，后一种方法（即CDFs）可能是量化多感官整合效应的更佳代理指标24。
Gondan 和 Minakata 近期发表了一篇关于如何准确检验种族模型不等式（Race Model Inequality, RMI）的教程，因为研究人员在反应时（RT）数据采集与准备的获取和预处理阶段常常犯下 numerous 错误25首先，作者认为，在某些情况下应用数据修剪程序是不可取的 先验的 设定反应时的最小值和最大值范围。建议将缓慢或遗漏的反应设为无穷大，而非直接排除。其次，由于相对运动抑制指数（RMI）可能在任意潜伏期被违反，研究中常采用多个 t 检验在不同时间点（即分位数）检验 RMI；然而，这种做法会增加Ⅰ类错误的风险，并显著降低统计检验效能。为避免这些问题，建议在某一特定时间范围内整体检验 RMI。有研究者提出，检验最快四分之一的反应（0–25%）具有合理性。26 或某些预先确定的时间窗（即 10-25%）24,27 因为多感官整合效应通常在此时间段内被观察到；然而，我们认为待检验的百分位范围必须由实际数据集决定（参见 方案 第5节）。依赖年轻成年人的已发表数据或计算机模拟的问题在于，老年人表现出截然不同的反应时分布，这可能归因于与年龄相关的感官系统功能下降。对种族模型显著性检验应仅针对研究队列中实际累积分布函数与预测累积分布函数之间群体平均差异波形的违反部分（正值部分）进行检验。
已有研究通过传统的赛跑模型检验16以及Gondan及其同事提出的原则25，证实了多感觉整合对中国健康老年人群具有保护作用。事实上，视觉-躯体感觉RMI的幅度越大（作为多感觉整合的指标），与更好的平衡能力、更低的跌倒发生概率以及更优的空间步态表现之间存在关联28,29。
本实验的目的是为研究人员提供一份逐步教程，介绍如何使用相对多感觉整合指数（RMI）来计算多感觉整合效应的大小，以促进在多种不同临床人群中开展更多样化的转化研究。需要注意的是，本研究中展示的数据来自最近发表的针对健康老年人群的视觉-躯体感觉实验28,29，但该方法可广泛应用于多种实验设计中的不同受试群体，并可结合多种多感觉刺激组合方式。