Summary

De ongelijkheid van het race model gebruiken om Gedragsmultisensorische integratie-effecten te kwantificeren

Published: May 10, 2019
doi:

Summary

De huidige studie is bedoeld om een stap-voor-stap handleiding voor het berekenen van de grootte van multisensorische integratie effecten in een poging om de productie van translationeel onderzoek studies over diverse klinische populaties vergemakkelijken.

Abstract

Multisensorisch integratie onderzoek onderzoekt hoe de hersenen simultane zintuiglijke informatie verwerkt. Onderzoek op dieren (voornamelijk katten en primaten) en mensen onthullen dat intacte multisensorische integratie cruciaal is voor het functioneren in de echte wereld, met inbegrip van zowel cognitieve als fysieke activiteiten. Veel van het onderzoek dat de afgelopen decennia is uitgevoerd, documenteert multisensorische integratie-effecten met behulp van diverse psychopfysische, elektrofysiologische en neuro beeldvormingstechnieken. Hoewel de aanwezigheid ervan is gemeld, varieert de methode die wordt gebruikt om de grootte van multisensorische integratie effecten te bepalen en wordt meestal veel kritiek geuit. In wat volgt, beperkingen van eerdere gedrags studies worden geschetst en een stapsgewijze zelfstudie voor het berekenen van de grootte van multisensorische integratie-effecten met behulp van robuuste kansmodellen wordt geleverd.

Introduction

Interacties tussen sensorische systemen zijn essentieel voor alledaagse functies. Terwijl multisensorische integratie-effecten worden gemeten over een breed scala van populaties met behulp van diverse zintuiglijke combinaties en verschillende neurowetenschappen benaderingen [inclusief maar niet beperkt tot de psychophysical, elektrofysiologische, en neuroimaging methodologieën]1,2,3,4,5,6,7,8,9, momenteel een gouden standaard voor het kwantificeren van multisensorische integratie ontbreekt. Gezien het feit dat multisensorische experimenten meestal een gedrags component bevatten, worden de reactietijd (RT) gegevens vaak onderzocht om het bestaan te bepalen van een bekend fenomeen dat de redundante signalen effect10wordt genoemd. Zoals de naam al suggereert, bieden simultane sensorische signalen redundante informatie, die doorgaans sneller RTs. race-en co-activatie modellen worden gebruikt om de bovengenoemde redundante signalen effect11uit te leggen. Onder racemodellen is het unisensory signaal dat de snelste wordt verwerkt de winnaar van de race en verantwoordelijk voor het produceren van de gedrags respons. Echter, bewijs voor co-activatie treedt op wanneer reacties op multisensorische stimuli sneller zijn dan wat racemodellen voorspellen.

Eerdere versies van het race model zijn inherent controversieel12,13 zoals ze door sommigen worden aangeduid als overdreven conservatief14,15 en bevatten ogenschijnlijk beperkingen met betrekking tot de onafhankelijkheid tussen de samenstellende onisensory detectie tijden die inherent zijn aan de multisensorische toestand16. In een poging om enkele van deze beperkingen op te lossen, ontwikkelde Colonius & Diederich16 een meer conventionele race model test:

Equation 1,

Wanneer de cumulatieve verdelings frequenties (Cdf’s) van de niet-voorwaarden (bijvoorbeeld een & B; met een bovengrens van één) worden vergeleken met de CDF van de gelijktijdige multisensorische toestand (bv. AB) voor een bepaalde latentie (t)11, 16 , 17. in het algemeen bepaalt een CDF hoe vaak een RT optreedt, binnen een bepaald bereik van RTS, gedeeld door het totale aantal stimulerende presentaties (d.w.z. proeven). Indien de CDF van de feitelijke multisensorische Equation 2 toestand kleiner is dan of gelijk is aan de voorspelde CDF-

Equation 3,

dan wordt het race model geaccepteerd en is er geen bewijs voor sensorische integratie. Wanneer de multisensorische CDF echter groter is dan de voorspelde CDF die is afgeleid van de niet-voorwaarden, wordt het race model geweigerd. Afwijzing van het race model geeft aan dat multisensorische interacties van redundante sensorische bronnen op een niet-lineaire manier worden gecombineerd, wat resulteert in een versnelling van RTs (bijvoorbeeld RT-facilitering) naar multisensorische stimuli.

Een belangrijke hindernis die multisensorische onderzoekers gezicht is hoe de beste kwantificeren integratie-effecten. Bijvoorbeeld, in het geval van de meest elementaire gedrags multisensorische paradigma, waar de deelnemers worden gevraagd om een eenvoudige reactietijd taak uit te voeren, wordt informatie over nauwkeurigheid en snelheid verzameld. Dergelijke multisensorische gegevens kunnen worden gebruikt tegen de nominale waarde of gemanipuleerd met behulp van verschillende wiskundige toepassingen, met inbegrip van maar niet beperkt tot de maximale waarschijnlijkheid schatting18,19, CDFS11, en diverse andere statistische Benaderingen. Het merendeel van onze eerdere multisensorische studies gebruikte zowel kwantitatieve als probabilistische benaderingen waarbij multisensorische integratieve effecten werden berekend met 1) waarbij de gemiddelde reactietijd (RT) werd afgetrokken van een multisensorisch voorval uit de gemiddelde reactietijd ( RT) naar de kortste unisensory-gebeurtenis, en 2) door gebruik te maken van cdf’s om te bepalen of RT-versoepeling het gevolg is van synergetische interacties die worden vergemakkelijkt door redundante sensorische informatie8,20,21, 22 , 23. de vroegere methodologie was echter waarschijnlijk niet gevoelig voor de individuele verschillen in integratieve processen en onderzoekers hebben sindsdien verklaard dat de latere methodologie (D.w.z. cdf’s) een betere volmacht kan bieden voor het kwantificeren van multisensorische integratieve effecten24.

Gondan en Minakata hebben onlangs een tutorial gepubliceerd over het nauwkeurig testen van de ongelijkheid van het race model (RMI), omdat onderzoekers maar al te vaak ontelbare fouten maken tijdens de acquisitie-en voorbewerkings stadia van RT-gegevensverzameling en-voorbereiding25. Ten eerste is de auteur van de gegevens die ongunstig zijn voor het toepassen van gegevenstrimmen procedures waarbij bepaalde a priori minimum-en maximum RT-limieten worden vastgesteld. Ze raden aan dat trage en weggelaten reacties worden ingesteld op oneindig, in plaats van uitgesloten. Ten tweede wordt, gezien het feit dat het KMI bij elke latentie kan worden geschonden, vaak meerdere t-tests gebruikt om het RMI op verschillende tijdstippen (d.w.z. quantiles) te testen; Helaas, deze praktijk leidt tot de toegenomen type I fout en aanzienlijk verminderd statistisch vermogen. Om deze problemen te voorkomen, wordt aanbevolen om het RMI over een bepaald tijdsbereik te laten testen. Sommige onderzoekers hebben gesuggereerd dat het zinvol is om de snelste kwartiel van de reacties te testen (0-25%)26 of sommige vooraf geïdentificeerde Vensters (d.w.z. 10-25%)24,27 als multisensorische integratie-effecten worden meestal waargenomen gedurende dat tijdsinterval; We stellen echter dat het percentiel bereik dat moet worden getest, moet worden bepaald door de werkelijke gegevensset (Zie protocol sectie 5). Het probleem met het vertrouwen op gepubliceerde gegevens van jonge volwassenen of computersimulaties is dat oudere volwassenen manifesteren zeer verschillende RT distributies, waarschijnlijk te wijten aan de leeftijdsgebonden dalingen in sensorische systemen. Race model significantie testen mogen alleen worden getest over geschonden gedeelten (positieve waarden) van de groep-gemiddelde verschil Golf tussen werkelijke en voorspelde Cdf’s uit het studie cohort.

Een beschermend effect van multisensorische integratie bij gezonde oudere volwassenen met behulp van de conventionele test van het race model16 en de principes die gondan en collega’s25 hebben uiteengezet, is in dit verband aangetoond. Sterker nog, een grotere omvang van Visual-somatosensorisch RMI (een proxy voor multisensorische integratie) werd gevonden om te worden gekoppeld aan betere balans prestaties, lagere waarschijnlijkheid van incident vallen en verhoogde ruimtelijke gang-prestaties28,29.

Het doel van het huidige experiment is om onderzoekers te voorzien van een stapsgewijze zelfstudie om de grootte van multisensorische integratie-effecten met behulp van het RMI te berekenen, om de verhoogde productie van diverse translationele onderzoeken te faciliteren over veel verschillende klinische populaties. Merk op dat de gegevens in de huidige studie afkomstig zijn van recent gepubliceerde visuele somatosensorische experimenten uitgevoerd op gezonde oudere volwassenen28,29, maar deze methodologie kan worden toegepast op verschillende cohorten over veel verschillende experimentele ontwerpen, met behulp van een breed scala aan multisensorische combinaties.

Protocol

Alle deelnemers hebben schriftelijke geïnformeerde toestemming gegeven voor de experimentele procedures, die werden goedgekeurd door de institutioneel beoordelings Raad van het Albert Einstein College of Medicine. 1. werving van deelnemers, inclusie criteria en toestemming Rekruteer een relatief grote cohort van Engelssprekende individuen die zelfstandig kunnen ambulëren en vrij zijn van significant sensorisch verlies; actieve neurologische of psychiatrische stoornissen die de expe…

Representative Results

Het doel van deze studie was om een stapsgewijze zelfstudie te bieden van een methodische benadering om de omvang van VS-integratie-effecten te kwantificeren, om de publicatie van nieuwe multisensorische studies met soortgelijke experimentele ontwerpen en opstellingen te bevorderen (Zie Figuur 1 ). Screenshots van elke stap en berekening die nodig zijn om de grootte van multisensorische integratie-effecten te bepalen, zoals gemeten door RMI AUC, worden hierboven afgebakend en geïllustreerd …

Discussion

Het doel van de huidige studie was om het proces achter de oprichting van een robuuste multisensorische integratie fenotype te detail. Hier bieden we de noodzakelijke en kritieke stappen die nodig zijn om multisensorische integratie-effecten te verwerven die kunnen worden gebruikt om belangrijke cognitieve en motorische uitkomsten te voorspellen die afhankelijk zijn van vergelijkbare neurale circuits. Onze algemene doelstelling was om een stapsgewijze zelfstudie te bieden voor het berekenen van de grootte van multisensor…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Het huidige werk wordt ondersteund door het Nationaal Instituut voor veroudering bij het National Institute of Health (K01AG049813 to JRM). Aanvullende financiering werd verstrekt door het Resnick gerontology Center van het Albert Einstein College of Medicine. Speciale dank aan alle vrijwilligers en onderzoeksmedewerkers voor buitengewone ondersteuning bij dit project.

Materials

stimulus generator Zenometrics, LLC; Peekskill, NY, USA n/a custom-built
Excel Microsoft Corporation spreadsheet program
Eprime Psychology Software Tools (PST) stimulus presentation software

References

  1. Foxe, J., et al. Auditory-somatosensory multisensory processing in auditory association cortex: an fMRI study. Journal of Neurophysiology. 88 (1), 540-543 (2002).
  2. Molholm, S., et al. Multisensory auditory-visual interactions during early sensory processing in humans: a high-density electrical mapping study. Brain Research: Cognitive Brain Research. 14 (1), 115-128 (2002).
  3. Murray, M. M., et al. Grabbing your ear: rapid auditory-somatosensory multisensory interactions in low-level sensory cortices are not constrained by stimulus alignment. Cerebral Cortex. 15 (7), 963-974 (2005).
  4. Molholm, S., et al. Audio-visual multisensory integration in superior parietal lobule revealed by human intracranial recordings. Journal of Neurophysiology. 96 (2), 721-729 (2006).
  5. Peiffer, A. M., Mozolic, J. L., Hugenschmidt, C. E., Laurienti, P. J. Age-related multisensory enhancement in a simple audiovisual detection task. Neuroreport. 18 (10), 1077-1081 (2007).
  6. Brandwein, A. B., et al. The development of audiovisual multisensory integration across childhood and early adolescence: a high-density electrical mapping study. Cerebral Cortex. 21 (5), 1042-1055 (2011).
  7. Girard, S., Collignon, O., Lepore, F. Multisensory gain within and across hemispaces in simple and choice reaction time paradigms. Experimental Brain Research. 214 (1), 1-8 (2011).
  8. Mahoney, J. R., Li, P. C., Oh-Park, M., Verghese, J., Holtzer, R. Multisensory integration across the senses in young and old adults. Brain Research. 1426, 43-53 (2011).
  9. Foxe, J. J., Ross, L. A., Molholm, S., Stein, B. E. Ch. 38. The New Handbook of Multisensory Processing. , 691-706 (2012).
  10. Kinchla, R. Detecting target elements in multielement arrays: A confusability model. Perception and Psychophysics. 15, 149-158 (1974).
  11. Miller, J. Divided attention: Evidence for coactivation with redundant signals. Cognitive Psychology. 14 (2), 247-279 (1982).
  12. Eriksen, C. W., Goettl, B., St James, J. D., Fournier, L. R. Processing redundant signals: coactivation, divided attention, or what?. Perception and Psychophysics. 45 (4), 356-370 (1989).
  13. Mordkoff, J. T., Yantis, S. An interactive race model of divided attention. Journal of Experimental Psychology: Human Perception and Performance. 17 (2), 520-538 (1991).
  14. Miller, J. Timecourse of coactivation in bimodal divided attention. Perception and Psychophysics. 40 (5), 331-343 (1986).
  15. Gondan, M., Lange, K., Rosler, F., Roder, B. The redundant target effect is affected by modality switch costs. Psychonomic Bulletin Review. 11 (2), 307-313 (2004).
  16. Colonius, H., Diederich, A. The race model inequality: interpreting a geometric measure of the amount of violation. Psychological Review. 113 (1), 148-154 (2006).
  17. Maris, G., Maris, E. Testing the race model inequality: A nonparametric approach. Journal of Mathematical Psychology. 47 (5-6), 507-514 (2003).
  18. Clark, J. J., Yuille, A. L. . Data Fusion for Sensory Information Processing Systems. , (1990).
  19. Ernst, M. O., Banks, M. S. Humans integrate visual and haptic information in a statistically optimal fashion. Nature. 415 (6870), 429-433 (2002).
  20. Mahoney, J. R., Verghese, J., Dumas, K., Wang, C., Holtzer, R. The effect of multisensory cues on attention in aging. Brain Research. 1472, 63-73 (2012).
  21. Mahoney, J. R., Holtzer, R., Verghese, J. Visual-somatosensory integration and balance: evidence for psychophysical integrative differences in aging. Multisensory Research. 27 (1), 17-42 (2014).
  22. Mahoney, J. R., Dumas, K., Holtzer, R. Visual-Somatosensory Integration is linked to Physical Activity Level in Older Adults. Multisensory Research. 28 (1-2), 11-29 (2015).
  23. Dumas, K., Holtzer, R., Mahoney, J. R. Visual-Somatosensory Integration in Older Adults: Links to Sensory Functioning. Multisensory Research. 29 (4-5), 397-420 (2016).
  24. Couth, S., Gowen, E., Poliakoff, E. Using race model violation to explore multisensory responses in older adults: Enhanced multisensory integration or slower unisensory processing. Multisensory Research. 31 (3-4), 151-174 (2017).
  25. Gondan, M., Minakata, K. A tutorial on testing the race model inequality. Attention, Perception & Psychophysics. 78 (3), 723-735 (2016).
  26. Gondan, M. A permutation test for the race model inequality. Behavior Research Methods. 42 (1), 23-28 (2010).
  27. Kiesel, A., Miller, J., Ulrich, R. Systematic biases and Type I error accumulation in tests of the race model inequality. Behavior Research Methods. 39 (3), 539-551 (2007).
  28. Mahoney, J., Cotton, K., Verghese, J. Multisensory Integration Predicts Balance and Falls in Older Adults. Journal of Gerontology: Medical Sciences. , (2018).
  29. Mahoney, J. R., Verghese, J. Visual-Somatosensory Integration and Quantitative Gait Performance in Aging. Frontiers in Aging Neuroscience. 10, 377 (2018).
  30. Yueh, B., et al. Long-term effectiveness of screening for hearing loss: the screening for auditory impairment–which hearing assessment test (SAI-WHAT) randomized trial. Journal of the American Geriatrics Society. 58 (3), 427-434 (2010).
  31. Galvin, J. E., et al. The AD8: a brief informant interview to detect dementia. Neurology. 65 (4), 559-564 (2005).
  32. Galvin, J. E., Roe, C. M., Xiong, C., Morris, J. C. Validity and reliability of the AD8 informant interview in dementia. Neurology. 67 (11), 1942-1948 (2006).
  33. Buschke, H., et al. Screening for dementia with the memory impairment screen. Neurology. 52 (2), 231-238 (1999).

Play Video

Cite This Article
Mahoney, J. R., Verghese, J. Using the Race Model Inequality to Quantify Behavioral Multisensory Integration Effects. J. Vis. Exp. (147), e59575, doi:10.3791/59575 (2019).

View Video