감각 시스템 전반에 걸친 상호 작용은 일상적인 기능에 필수적입니다. 다감각 통합 효과는 다양한 감각 조합과 다른 신경 과학 접근법을 사용하여 광범위한 인구에 걸쳐 측정되지만 [정신 물리학, 전기 생리학 및 신경 이미징을 포함하지만 이에 국한되지 않음). 방법론]¹^,²^,³^,⁴, 5^,⁶^,⁷^,^8,^9,현재 금 본위제 다중 감각 통합을 정량화하는 것은 부족합니다. 다감각 실험이 전형적으로 행동 성분을 포함하고 있다는 점을 감안할 때, 반응 시간(RT) 데이터는 종종 중복 신호효과(10)라고 불리는 잘 알려진 현상의 존재를 확인하기 위해 조사된다. 그 이름에서 알 수 있듯이, 동시 감각 신호는 중복 정보를 제공하며, 이는 전형적으로 더 빠른 RTs를 산출한다. 레이스 모델에서 가장 빠르게 처리되는 단방향 신호는 레이스의 승자이며 행동 반응을 생성합니다. 그러나, 공동 활성화에 대 한 증거는 다감각 자극에 대 한 응답 은 어떤 경주 모델 예측 보다 빠른 때 발생 합니다.

경주 모델의 이전 버전은 본질적으로 논란이^12,¹³ 그들은 지나치게 보수적 인 것으로 일부에 의해 언급으로^14,¹⁵ 과 의도적으로 독립성에 관한 제한을 포함 다감각 조건에 내재된 구성 단감각 검출시간(16) 사이. 콜로니우스 & 디데리히^16은 이러한 제한 사항 중 일부를 해결하기 위해 보다 전통적인 레이스 모델 테스트를 개발했습니다.

Equation 1 ,

여기서 단감각 조건의 누적 분포 주파수(CDF)(예: A & B; 1의 상한을 가진)는 주어진 대기 시간(t)^11에 대한 동시 다감각 조건(예:AB)의 CDF와 비교된다. ^16세 ^, ¹⁷. 일반적으로 CDF는 RT가 주어진 RT 범위 내에서 얼마나 자주 발생하는지, 총 자극 프리젠 테이션 수 (즉, 시험)로 나눈값을 결정합니다. 실제 다감각 조건의 CDF가 Equation 2 단일 감각 조건에서 파생된 예측 된 CDF보다 낮거나 같으면

Equation 3 ,

그런 다음 경주 모델이 허용되고 감각 통합에 대한 증거가 없습니다. 그러나 다중 감각 CDF가 단감각 조건에서 유래된 예측된 CDF보다 크면, 경주 모델이 거부된다. 레이스 모델의 거부는 중복 감각 소스의 다감각 상호 작용이 비선형 방식으로 결합되어 RTs(예: RT 촉진)를 다감각 자극으로 가속화한다는 것을 나타냅니다.

다감각 연구원이 직면하는 한 가지 주요 장애물은 통합 효과를 가장 잘 정량화하는 방법입니다. 예를 들어, 참가자가 간단한 반응 시간 작업을 수행하도록 요청받는 가장 기본적인 행동 다감각 패러다임의 경우 정확도및 속도에 관한 정보가 수집됩니다. 이러한 다감각 데이터는 액면가에서 사용하거나 최대 가능성 추정^18,^19,CDFs¹¹및 기타 다양한 통계적 을 포함하되 이에 국한되지 않는 다양한 수학적 응용 프로그램을 사용하여 조작할 수 있습니다. 접근. 우리의 이전 다감각 연구의 대부분은 다감각 통합 효과가 평균 반응 시간에서 다감각 이벤트에 평균 반응 시간 (RT)를 빼는 정량적 및 확률적 접근법을 모두 사용 ( RT) 가장 짧은 단감각 이벤트, 및 2) CDF를 사용하여 RT 촉진이 중복 감각 정보에 의해 촉진된 시너지 상호 작용으로 인한 것인지 를 판단함으로써^8,^20,^21, ^22세 ^, ²³. 그러나, 이전 방법론은 통합 프로세스의 개인 차이에 민감하지 않았을 가능성이 높았으며 연구자들은 이후 이후 의식 (즉, CdFs)이 다감각 정량화를위한 더 나은 프록시를 제공 할 수 있다고 posited. 통합 효과²⁴.

곤단과 미나카타는 최근 RT 데이터 수집 및 준비^25의수집 및 전처리 단계에서 수많은 오류를 만들기 때문에 인종 모델 불평등 (RMI)을 정확하게 테스트하는 방법에 대한 자습서를 발표했습니다. 첫째, 저자는 특정 우선 순위 최소 및 최대 RT 제한이 설정된 데이터 트리밍 절차를 적용하는 것이 불리하다고 생각합니다. 느리고 생략된 응답을 제외하지 않고 무한대로 설정하는 것이 좋습니다. 둘째, RMI가 임의의 대기 시간에 위반될 수 있다는 점을 감안할 때, 다중 t-테스트는 종종 다른 시점(즉, 분량형)에서 RMI를 테스트하는 데 사용된다; 안타깝게도 이러한 관행은 Type I 오류가 증가하고 통계적 능력이 크게 감소합니다. 이러한 문제를 방지하려면 하나의 특정 시간 범위에서 RMI를 테스트하는 것이 좋습니다. 일부 연구자들은 다감각 통합 효과가 일반적으로 관찰됨에 따라 응답(0-25%)²⁶ 또는 일부 사전 식별된 창(즉, 10-25%)^24,^27을 가장 빠른 사분위수로 테스트하는 것이 합리적이라고 제안했습니다. 해당 시간 간격 동안; 그러나 테스트할 백분위수 범위는 실제 데이터 집합에 의해 결정되어야 한다고 주장합니다(프로토콜 섹션 5참조). 젊은 성인 또는 컴퓨터 시뮬레이션에서 게시 된 데이터에 의존하는 문제는 노인이 감각 시스템의 연령 관련 감소로 인해 매우 다른 RT 분포를 나타낸다는 것입니다. 레이스 모델 유의성 시험은 연구 코호트에서 실제 및 예측된 CDF 간의 그룹 평균 차이 파동을 위반한 부분(양성 값)에 대해서만 테스트해야 합니다.

이를 위해, 종래의 레이스 모델(16)의 시험을 이용한 건강한 노인의 다감각 통합의 보호 효과와 곤단 및^{동료(25)가} 제시한 원리를 입증했다. 실제로, 시각적-감각성 RMI(다중 감각 통합을 위한 프록시)의 더 큰 크기는 더 나은 균형 성능, 더 낮은 사고 낙하 및 증가된 공간 보행 성능 에 연결되는 것으로 나타났다^28,^29.

현재 실험의 목적은 RMI를 사용하여 다감각 통합 효과의 크기를 계산하는 단계별 자습서를 연구원에게 제공하여 다양한 번역 연구 연구의 생산을 촉진하는 것입니다. 많은 다른 임상 인구. 현재 연구에 제시된 데이터는 건강한 노인^28,^29에실시된 최근 발표된 시각 체감각 실험에서 나온 것이지만, 이 방법론은 다양한 코호트에 적용될 수 있습니다. 다양한 다감각 조합을 활용하는 실험적인 설계.

레이스 모델 부등식을 사용하여 행동 다감각 통합 효과를 정량화