Interakcje między systemami sensorycznymi są niezbędne do codziennego funkcjonowania. Chociaż efekty integracji wielozmysłowej są mierzone w szerokim spektrum populacji przy użyciu różnorodnych kombinacji sensorycznych i odmiennych podejść neuronaukowych [w tym, ale nie ograniczając się do metod psychofizycznych, elektrofizjologicznych i neuroobrazowania]¹^,²^,³^,⁴^,⁵^,⁶^,⁷^,⁸^,⁹, obecnie brakuje złotego standardu kwantyfikacji integracji wielozmysłowej. Biorąc pod uwagę, że eksperymenty wielozmysłowe zazwyczaj zawierają komponent behawioralny, dane dotyczące czasu reakcji (RT) są często analizowane w celu ustalenia występowania znanego zjawiska zwanego efektem redundantnych sygnałów¹⁰. Jak sugeruje nazwa, jednoczesne sygnały sensoryczne dostarczają redundantnych informacji, co zazwyczaj skutkuje krótszymi RT. Do wyjaśnienia wspomnianego efektu redundantnych sygnałów stosuje się modele wyścigu oraz modele współaktywacji¹¹. W modelach wyścigu sygnał jednozmysłowy, który zostanie przetworzony najszybciej, wygrywa wyścig i jest odpowiedzialny za wywołanie odpowiedzi behawioralnej. Dowody na współaktywację pojawiają się natomiast wtedy, gdy odpowiedzi na bodźce wielozmysłowe są szybsze, niż przewidują modele wyścigu.

Wcześniejsze wersje modelu wyścigu są z natury kontrowersyjne¹²^,¹³, ponieważ niektórzy określają je jako zbyt konserwatywne¹⁴^,¹⁵ i twierdzą, że zawierają one ograniczenia dotyczące niezależności między czasami detekcji jednosensorycznych stanowiących składowe warunku wielozmysłowego¹⁶. W celu rozwiązania niektórych z tych ograniczeń, Colonius & Diederich¹⁶ opracowali bardziej konwencjonalny test modelu wyścigu:

Wzór na obliczenie prawdopodobieństwa, przedstawiający sumę minimalną P(RT_A≤t)+P(RT_B≤t), wyrażenie matematyczne. ,

gdzie skumulowane rozkłady częstości (CDFs) dla warunków jednosensorycznych (np. A i B; z górną granicą równą jeden) są porównywane z CDF dla jednoczesnego warunku wielosensorycznego (np. AB) dla dowolnej danej latencji (t)¹¹^,¹⁶^,¹⁷. Generalnie CDF określa, jak często dany RT występuje w określonym zakresie RT, podzielone przez całkowitą liczbę prezentacji bodźca (tj. prób). Jeśli CDF rzeczywistego warunku wielosensorycznego Równanie prawdopodobieństwa P(RT_AB ≤ t), formuła analizy statystycznej, użytek edukacyjny. jest mniejsze lub równe przewidywanemu CDF wyprowadzonemu z warunków jednosensorycznych

Równanie równowagi statycznej; pokazuje prawdopodobieństwo; wzór: min(P(RTA ≤ t) + P(RTB ≤ t), 1). ,

wówczas model wyścigu jest akceptowany i nie ma dowodów na integrację sensoryczną. Jednakże, gdy wielozmysłowa CDF jest większa niż przewidywana CDF wyprowadzona z warunków jednozmysłowych, model wyścigu zostaje odrzucony. Odrzucenie modelu wyścigu wskazuje, że interakcje wielozmysłowe z redundantnych źródeł sensorycznych łączą się w sposób nieliniowy, co skutkuje skróceniem RTs (np. facylitacją RT) w odpowiedzi na bodźce wielozmysłowe.

Główną przeszkodą, z jaką mierzą się badacze wielozmysłowości, jest kwestia optymalnego ilościowego określenia efektów integracji. Na przykład w przypadku najbardziej podstawowego behawioralnego paradygmatu wielozmysłowego, w którym uczestnicy wykonują proste zadanie czasu reakcji, zbierane są informacje dotyczące dokładności i szybkości. Takie dane wielozmysłowe mogą być wykorzystywane w formie bezpośredniej lub przekształcane za pomocą różnych zastosowań matematycznych, w tym między innymi Maximum Likelihood Estimation¹⁸^,¹⁹, CDFs¹¹ oraz różnych innych podejść statystycznych. W większości naszych poprzednich badań nad wielozmysłowością stosowano zarówno podejścia ilościowe, jak i probabilistyczne, w których efekty integracji wielozmysłowej obliczano poprzez 1) odjęcie średniego czasu reakcji (RT) na zdarzenie wielozmysłowe od średniego czasu reakcji (RT) na najkrótsze zdarzenie jednozmysłowe oraz 2) wykorzystanie CDFs do ustalenia, czy ułatwienie RT wynikało z synergistycznych interakcji wspomaganych przez redundantne informacje sensoryczne⁸^,²⁰^,²¹^,²²^,²³. Jednakże pierwsza z tych metod prawdopodobnie nie była wrażliwa na indywidualne różnice w procesach integracyjnych, a badacze wysunęli odtąd tezę, że druga metoda (tj. CDFs) może stanowić lepszy wskaźnik do ilościowego określania efektów integracji wielozmysłowej²⁴.

Gondan i Minakata opublikowali niedawno instruktaż dotyczący dokładnego testowania nierówności modelu wyścigowego (Race Model Inequality, RMI), ponieważ badacze zbyt często popełniają liczne błędy na etapie pozyskiwania oraz wstępnego przetwarzania danych dotyczących czasu reakcji (RT) podczas ich gromadzenia i przygotowywania.²⁵Po pierwsze, autorzy stawiają tezę, że niekorzystne jest stosowanie procedur przycinania danych w sytuacjach, w których określone a priori ustala się minimalne i maksymalne granice RT. Zaleca się, aby odpowiedzi wolne i pominięte ustawiać jako nieskończoność, zamiast je wykluczać. Po drugie, biorąc pod uwagę, że RMI może zostać naruszone przy dowolnej latencji, często stosuje się wielokrotne testy t, aby zbadać RMI w różnych punktach czasowych (tj. kwantylach); niestety praktyka ta prowadzi do zwiększenia błędu typu I i znacznego zmniejszenia mocy statystycznej. Aby uniknąć tych problemów, zaleca się badanie RMI w jednym konkretnym zakresie czasowym. Niektórzy badacze zasugerowali, że zasadne jest badanie najszybszego kwartyla odpowiedzi (0-25%).²⁶ lub dla niektórych uprzednio zidentyfikowanych okien (tj. 10–25%)²⁴^,²⁷ ponieważ efekty integracji wielozmysłowej są zazwyczaj obserwowane w tym przedziale czasowym; twierdzimy jednak, że zakres percentyli poddawany badaniu musi wynikać z faktycznego zbioru danych (patrz Protokół Sekcja 5Problem z poleganiem na opublikowanych danych dotyczących młodych dorosłych lub symulacjach komputerowych polega na tym, że starsi dorośli wykazują bardzo inne rozkłady RT, co prawdopodobnie wynika z związanych z wiekiem spadków sprawności systemów sensorycznych. Testowanie istotności modelu Race powinno być przeprowadzane wyłącznie na fragmentach naruszonych (wartości dodatnie) uśrednionej dla grupy fali różnic między rzeczywistą a przewidywaną CDF w kohorcie badanej.

W tym celu wykazano ochronny efekt integracji wielozmysłowej u zdrowych osób starszych, wykorzystując konwencjonalny test modelu wyścigu¹⁶ oraz zasady sformułowane przez Gondana i współpracowników²⁵. W rzeczywistości stwierdzono, że większa amplituda wizualno-somatosensorycznego RMI (wskaźnika integracji wielozmysłowej) była powiązana z lepszą równowagą, niższym prawdopodobieństwem upadków oraz zwiększoną wydajnością chodu przestrzennego²⁸^,²⁹.

Celem niniejszego eksperymentu jest przedstawienie badaczom instrukcji krok po kroku, jak obliczyć wielkość efektów integracji wielozmysłowej przy użyciu RMI, aby ułatwić zwiększenie liczby różnorodnych badań translacyjnych w wielu różnych populacjach klinicznych. Należy zauważyć, że dane przedstawione w niniejszym badaniu pochodzą z niedawno opublikowanych eksperymentów wzrokowo-somatosensorycznych przeprowadzonych u zdrowych osób starszych²⁸^,²⁹, jednak metodologia ta może być zastosowana w różnych kohortach w wielu różnych schematach eksperymentalnych, wykorzystując szeroki wachlarz kombinacji wielozmysłowych.

Wykorzystanie nierówności w modelu rasowym do ilościowego określenia behawioralnych efektów integracji wielozmysłowej