Den aktuella studien syftar till att ge en stegvis handledning för att beräkna omfattningen av multisensorisk integrations effekter i ett försök att underlätta produktionen av translationella forskningsstudier över olika kliniska populationer.
Multisensorisk integrations forskning undersöker hur hjärnan bearbetar samtidig sensorisk information. Forskning om djur (främst katter och primater) och människor avslöjar att intakt multisensorisk integration är avgörande för att fungera i den verkliga världen, inklusive både kognitiva och fysiska aktiviteter. Mycket av den forskning som bedrivs under de senaste decennierna dokument multisensorisk integration effekter med hjälp av olika psykofysiska, elektrofysiologiska och neuroimaging tekniker. Medan dess närvaro har rapporterats, de metoder som används för att bestämma omfattningen av multisensorisk integrations effekter varierar och vanligtvis står inför mycket kritik. I det följande, begränsningar av tidigare beteendestudier beskrivs och en steg-för-steg handledning för att beräkna omfattningen av multisensorisk integrations effekter med hjälp av robusta sannolikhets modeller tillhandahålls.
Interaktioner mellan sensoriska system är viktiga för vardagliga funktioner. Även om multisensorisk integration effekter mäts över ett brett spektrum av populationer med hjälp av olika sensoriska kombinationer och andra metoder neurovetenskap [inklusive men inte begränsat till psykofysiska, elektrofysiologiska och neuroimaging metoder]1,2,3,4,5,6,7,8,9, för närvarande en guld standard för kvantifiering av multisensorisk integration saknas. Med tanke på att multisensoriska experiment vanligtvis innehåller en beteendemässig komponent, är reaktionstid (RT) data undersöks ofta för att fastställa förekomsten av ett välkänt fenomen som kallas redundanta signaler effekt10. Som namnet antyder ger samtidiga sensoriska signaler överflödig information, vilket vanligtvis ger snabbare RTs. Race och co-aktiveringsmodeller används för att förklara ovan nämnda redundanta signaler effekt11. Under Race modeller, den unisensorisk signal som bearbetas snabbast är vinnaren av loppet och ansvarar för att producera beteendemässiga svar. Emellertid, bevis för samtidig aktivering sker när svar på multisensoriska stimuli är snabbare än vad Race modeller förutsäga.
Tidigare versioner av Race modellen är till sin natur kontroversiella12,13 eftersom de refereras till av vissa som alltför konservativ14,15 och påstås innehålla begränsningar när det gäller självständighet mellan de konstituerande unisensoriska detekterings tiderna inneboende i det multisensoriska villkoret16. I ett försök att ta itu med några av dessa begränsningar, Colonius & Diederich16 utvecklat en mer konventionell Race Model test:
,
om de kumulativa fördelnings frekvenserna (CDFs) för de unisensoriska förhållandena (t. ex. en & B, med en övre gräns på en) jämförs med CDF för det samtidiga multisensoriska villkoret (t. ex. AB) för en given latens (t)11, 16 , 17. i allmänhet avgör en CDF hur ofta en RT uppstår, inom ett givet intervall av RTS, dividerat med det totala antalet stimulans presentationer (dvs. prövningar). Om CDF för det faktiska multisensoriska tillståndet är mindre än eller lika med den förutspådda CDF som härrör från de unisensoriska förhållanden
,
då tävlings modellen accepteras och det finns inga belägg för sensorisk integration. Men när den multisensoriska CDF är större än den förutspådda CDF som härrör från de unisensoriska förhållanden, är tävlings modellen avvisas. Avvisande av tävlings modellen indikerar att multisensorisk interaktion från redundanta sensoriska källor kombineras på ett icke-linjärt sätt, vilket resulterar i en påskyndande av RTs (t. ex., RT underlättande) till multisensoriska stimuli.
Ett huvudsakligt hinder som multisensoriska forskare ansikte är hur man bäst kvantifiera integrations effekter. Till exempel, i fallet med de mest grundläggande beteendemässiga multisensoriska paradigm, där deltagarna ombeds att utföra en enkel reaktionstid uppgift, information om noggrannhet och hastighet samlas in. Sådana multisensorisk data kan användas på det nominella värdet eller manipuleras med hjälp av olika matematiska tillämpningar, inklusive men inte begränsat till maximal sannolikhet uppskattning18,19, CDFS11, och olika andra statistiska Metoder. Majoriteten av våra tidigare multisensoriska studier använde både kvantitativa och probabilistiska metoder där multisensoriska integrativa effekter beräknades med 1) subtrahera den genomsnittliga reaktionstiden (RT) till en multisensorisk händelse från den genomsnittliga reaktionstiden ( RT) till den kortaste unisensorisk händelsen, och 2) genom att anställa CDFS för att avgöra om RT underlättande resulterade från synergistiska interaktioner underlättas av överflödig sensorisk information8,20,21, 22 , 23. den tidigare metoden var dock sannolikt inte känslig för de individuella skillnaderna i integrativa processer och forskarna har sedan dess hävdat att den senare metoden (dvs. CDFS) kan ge en bättre proxy för kvantifiering av multisensorisk integrativa effekter24.
Gondan och Minakata publicerade nyligen en handledning om hur man korrekt testa Race Model ojämlikhet (RMI) eftersom forskare alltför ofta gör otaliga fel under förvärvet och Pre-processing stadier av RT datainsamling och beredning25. Först författarna ståndpunkten som är ogynnsamma att tillämpa data putsning förfaranden där vissa a priori minimum och högsta RT gränser är inställda. De rekommenderar att långsamma och uteslutna svar anges till oändlighet, i stället för exkluderade. För det andra, med tanke på att RMI kan kränkas vid någon latens, flera t-tester används ofta för att testa RMI vid olika tidpunkter (dvs., quantiles); Tyvärr, denna praxis leder till ökad typ I fel och kraftigt minskad statistisk makt. För att undvika dessa problem rekommenderas att RMI testas över ett visst tidsintervall. Vissa forskare har föreslagit att det är meningsfullt att testa den snabbaste kvartilen av svaren (0-25%)26 eller vissa i förväg identifierade fönster (dvs 10-25%)24,27 som multisensorisk integration effekter observeras vanligtvis under detta tidsintervall; Vi hävdar dock att det percentilintervall som ska testas måste dikteras av den faktiska datauppsättningen (se protokoll avsnitt 5). Problemet med att förlita sig på publicerade data från unga vuxna eller datorsimuleringar är att äldre vuxna manifesterar mycket olika RT-distributioner, sannolikt på grund av åldersrelaterade nedgångar i sensoriska system. Race Model signifikans testning bör endast testas över kränkta portioner (positiva värden) av grupp-genomsnitt skillnad våg mellan faktiska och förutspådde CDFs från studien kohort.
För detta ändamål har en skyddande effekt av multisensorisk integration hos friska äldre vuxna som använder konventionella test av Race Model16 och de principer som anges av gondan och kollegor25 visats. I själva verket, större magnitud av visuell-somatosensorisk RMI (en proxy för multisensorisk integration) befanns vara kopplad till bättre balans prestanda, lägre sannolikhet för incident Falls och ökad spatial gång prestanda28,29.
Syftet med det nuvarande experimentet är att ge forskarna en stegvis handledning för att beräkna omfattningen av multisensoriska integrations effekter med hjälp av RMI, för att underlätta den ökade produktionen av olika translationella forskningsstudier över många olika kliniska populationer. Observera att data som presenteras i den aktuella studien är från nyligen publicerade visuella somatosensoriska experiment som utförts på friska äldre vuxna28,29, men denna metod kan tillämpas på olika kohorter över många olika experimentella konstruktioner med hjälp av ett brett spektrum av multisensoriska kombinationer.
Målet med den aktuella studien var att detaljera processen bakom inrättandet av en robust multisensorisk integration fenotyp. Här ger vi de nödvändiga och kritiska steg som krävs för att förvärva multisensorisk integrations effekter som kan utnyttjas för att förutsäga viktiga kognitiva och motoriska utfall förlitar sig på liknande neurala kretsar. Vårt övergripande mål var att ge en stegvis handledning för att beräkna omfattningen av multisensorisk integration i ett försök att underlätta innovativa …
The authors have nothing to disclose.
Den nuvarande kroppen av arbete stöds av det nationella institutet för åldrande vid National Institute of Health (K01AG049813 till JRM). Kompletterande finansiering tillhandahölls av den Resnick Gerontology Center av Albert Einstein College of Medicine. Särskilt tack till alla volontärer och forskningspersonal för exceptionellt stöd med detta projekt.
stimulus generator | Zenometrics, LLC; Peekskill, NY, USA | n/a | custom-built |
Excel | Microsoft Corporation | spreadsheet program | |
Eprime | Psychology Software Tools (PST) | stimulus presentation software |