Uso de la desigualdad del modelo de raza para cuantificar los efectos de integración multisensorial conductual

Las interacciones entre sistemas sensoriales son esenciales para las funciones cotidianas. Mientras que los efectos de integración multisensorial se miden a través de una amplia gama de poblaciones utilizando combinaciones sensoriales variadas y diferentes enfoques de neurociencia [incluyendo pero no limitado a la psicofísica, electrofisiológica, y neuroimagen metodologías]^{1,2,3,4,5,6,7,8,9}, actualmente un estándar de oro para cuantificación de la integración multisensorial. Dado que los experimentos multisensoriales suelen contener un componente conductual, los datos de tiempo de reacción (RT) a menudo se examinan para determinar la existencia de un fenómeno conocido llamado efecto de señales redundantes¹⁰. Como su nombre indica, las señales sensoriales simultáneas proporcionan información redundante, que normalmente producen RTmás más rápidos y modelos de coactivación se utilizan para explicar el efecto de señales redundantes mencionado anteriormente^11. Bajo los modelos de carrera, la señal unisensorial que se procesa más rápido es el ganador de la carrera y es responsable de producir la respuesta conductual. Sin embargo, la evidencia de coactivación se produce cuando las respuestas a los estímulos multisensoriales son más rápidas de lo que predicen los modelos de raza.

Las versiones anteriores del modelo de raza son intrínsecamente controvertidas^12,13 como algunos se refieren a los más conservadores^14,15 y supuestamente contienen limitaciones con respecto a la independencia entre los tiempos de detección unisensorial constituyente inherentes a la condición multisensorial¹⁶. En un esfuerzo por abordar algunas de estas limitaciones, Colonius & Diederich¹⁶ desarrolló una prueba de modelo de carrera más convencional:

,

cuando las frecuencias de distribución acumulativa (CdF) de las condiciones unisensoriales (por ejemplo, A & B; con un límite superior de uno) se comparen con el CDF de la condición multisensorial simultánea (por ejemplo, AB) para cualquier latencia dada (t)^{11, 16 , 17}. En general, un CDF determina la frecuencia con la que se produce un RT, dentro de un rango determinado de RT, dividido por el número total de presentaciones de estímulo (es decir, ensayos). Si el CDF de la condición multisensorial real es menor o igual que el CDF previsto derivado de las condiciones unisensoriales

,

entonces se acepta el modelo de carrera y no hay evidencia para la integración sensorial. Sin embargo, cuando el CDF multisensorial es mayor que el CDF previsto derivado de las condiciones unisensoriales, se rechaza el modelo de carrera. El rechazo del modelo de carrera indica que las interacciones multisensoriales de fuentes sensoriales redundantes se combinan de manera no lineal, lo que resulta en una aceleración de los RT (por ejemplo, la facilitación de RT) a los estímulos multisensoriales.

Un obstáculo principal al que se enfrentan los investigadores multisensoriales es cómo cuantificar mejor los efectos de integración. Por ejemplo, en el caso del paradigma multisensorial conductual más básico, donde se pide a los participantes que realicen una tarea de tiempo de reacción simple, se recopila información sobre precisión y velocidad. Estos datos multisensoriales pueden utilizarse en el valor nominal o manipularse utilizando diversas aplicaciones matemáticas, incluyendo pero no limitado a la Estimación de Probabilidad Máxima^18,19, CDFs¹¹, y varias otras estadísticas Enfoques. La mayoría de nuestros estudios multisensoriales anteriores emplearon enfoques cuantitativos y probabilísticos en los que los efectos integradores multisensoriales se calcularon en 1) restando el tiempo medio de reacción (RT) a un evento multisensorial del tiempo medio de reacción ( RT) al evento unisensorial más corto, y 2) empleando CdFs para determinar si la facilitación de RT fue el resultado de interacciones sinérgicas facilitadas por información sensorial redundante^{8,20,21, 22 , 23}. Sin embargo, es probable que la metodología anterior no fuera sensible a las diferencias individuales en los procesos integradores y los investigadores han postulado desde entonces que la metodología posterior (es decir, los CDF) puede proporcionar un mejor apoderado para cuantificar efectos integradores²⁴.

Gondan y Minakata publicaron recientemente un tutorial sobre cómo probar con precisión la desigualdad del modelo de carrera (RMI) ya que los investigadores con demasiada frecuencia cometen innumerables errores durante las etapas de adquisición y preprocesamiento de la recopilación y preparación de datos RT²⁵. En primer lugar, los autores postulan que es desfavorable aplicar procedimientos de recorte de datos cuando se establecen ciertos límites de RT mínimos y máximos a priori. Recomiendan que las respuestas lentas y omitidas se establezcan en infinito, en lugar de excluirse. En segundo lugar, dado que el RMI puede ser violado en cualquier latencia, a menudo se utilizan varias pruebas t para probar el RMI en diferentes puntos de tiempo (es decir, cuantiles); desafortunadamente, esta práctica conduce al mayor error de tipo I y a una potencia estadística sustancialmente reducida. Para evitar estos problemas, se recomienda que el RMI se pruebe en un intervalo de tiempo específico. Algunos investigadores han sugerido que tiene sentido probar el cuartil más rápido de las respuestas (0-25%)²⁶ o algunas ventanas previamente identificadas (es decir, 10-25%)^24,27 como efectos de integración multisensorial se observan típicamente durante ese intervalo de tiempo; sin embargo, argumentamos que el rango de percentiles que se va a probar debe ser dictado por el conjunto de datos real (véase la Sección 5del Protocolo ). El problema de confiar en los datos publicados de adultos jóvenes o simulaciones por computadora es que los adultos mayores manifiestan distribuciones de RT muy diferentes, probablemente debido a las disminuciones relacionadas con la edad en los sistemas sensoriales. Las pruebas de significancia del modelo de carrera solo deben probarse sobre las porciones violadas (valores positivos) de la onda de diferencia promediada por grupo entre los CDF reales y los cdF previstos de la cohorte del estudio.

Para ello, se ha demostrado un efecto protector de la integración multisensorial en adultos mayores sanos utilizando la prueba convencional del modelo de carrera¹⁶ y los principios establecidos por Gondan y sus colegas^25. De hecho, se encontró que una mayor magnitud del RMI visual-somatosensorial (un proxy para la integración multisensorial) estaba vinculado a un mejor rendimiento del equilibrio, menor probabilidad de caídas de incidentes y un mayor rendimiento de la marcha espacial^28,29.

El objetivo del experimento actual es proporcionar a los investigadores un tutorial paso a paso para calcular la magnitud de los efectos de integración multisensorial utilizando el RMI, para facilitar la mayor producción de diversos estudios de investigación traslacional a través de muchas poblaciones clínicas diferentes. Tenga en cuenta que los datos presentados en el estudio actual son de experimentos visuales-somatosensoriales publicados recientemente realizados en adultos mayores sanos^28,29, pero esta metodología se puede aplicar a varias cohortes en muchas diseños experimentales, utilizando una amplia gama de combinaciones multisensoriales.