Utilisation de l'inégalité du modèle de course pour quantifier les effets de l'intégration multisensorielle comportementale

Les interactions entre les systèmes sensoriels sont essentielles pour les fonctions quotidiennes. Bien que les effets d’intégration multisensorielle soient mesurés dans un large éventail de populations à l’aide de combinaisons sensorielles assorties et de différentes approches en neurosciences [y compris, sans s’y limiter, la psychophysique, l’électrophysiologie et la neuroimagerie méthodologies]^{1,2,3,4,5,6,7,8,9}, actuellement un étalon-or pour quantifier l’intégration multisensorielle fait défaut. Étant donné que les expériences multisensorielles contiennent généralement une composante comportementale, les données sur le temps de réaction (RT) sont souvent examinées pour déterminer l’existence d’un phénomène bien connu appelé effet signaux redondants¹⁰. Comme son nom l’indique, les signaux sensoriels simultanés fournissent des informations redondantes, qui donnent généralement des RT plus rapides. Les modèles de course et de co-activation sont utilisés pour expliquer l’effet de signaux redondants mentionné ci-dessus¹¹. Sous les modèles de course, le signal unisensoriel qui est traité le plus rapidement est le vainqueur de la course et est responsable de la production de la réponse comportementale. Cependant, les preuves de la co-activation se produisent lorsque les réponses aux stimuli multisensoriels sont plus rapides que ce que les modèles de course prédisent.

Les versions antérieures du modèle de course sont intrinsèquement controversées^12,13 comme ils sont désignés par certains comme trop conservateur^14,15 et soi-disant contenir des limitations concernant l’indépendance entre les temps de détection unisensoriels constitutifs inhérents à la condition multisensorielle¹⁶. Dans un effort pour remédier à certaines de ces limitations, Colonius et Diederich¹⁶ ont mis au point un test de modèle de course plus conventionnel :

,

lorsque les fréquences de distribution cumulatives (CDF) des conditions unisensorielles (p. ex., A et B; avec une limite supérieure d’un) sont comparées au CDF de la condition multisensorielle simultanée (p. ex. AB) pour une latence donnée (t)^{11, 16} Annonces ^{, 17}. En général, un FDC détermine la fréquence à laquelle une RT se produit, dans une gamme donnée de RT, divisée par le nombre total de présentations de stimulation (c.-à-d. les essais). Si le CDF de la condition multisensorielle réelle est inférieur ou égal au CDF prévu dérivé des conditions unisensorielles

,

alors le modèle de course est accepté et il n’y a aucune preuve pour l’intégration sensorielle. Cependant, lorsque le CDF multisensoriel est supérieur au CDF prévu dérivé des conditions unisensorielles, le modèle de course est rejeté. Le rejet du modèle de course indique que les interactions multisensorielles à partir de sources sensorielles redondantes se combinent d’une manière non linéaire, ce qui entraîne une accélération des RT (p. ex., la facilitation de la RT) aux stimuli multisensoriels.

L’un des principaux obstacles auxquels sont confrontés les chercheurs multisensoriels est de mieux quantifier les effets d’intégration. Par exemple, dans le cas du paradigme multisensoriel comportemental le plus fondamental, où les participants sont invités à effectuer une tâche simple de temps de réaction, des informations concernant l’exactitude et la vitesse sont recueillies. Ces données multisensorielles peuvent être utilisées à la valeur nominale ou manipulées à l’aide de diverses applications mathématiques, y compris, mais sans s’y limiter, l’estimation de probabilité maximale^18,19, CDFs¹¹, et diverses autres statistiques Approches. La majorité de nos études multisensorielles précédentes ont utilisé des approches quantitatives et probabilistes où les effets intégratifs multisensoriels ont été calculés en 1) soustrayant le temps de réaction moyen (RT) à un événement multisensoriel du temps de réaction moyen ( RT) à l’événement unisensoriel le plus court, et 2) en employant des CDF pour déterminer si la facilitation de RT a résulté des interactions synergiques facilitées par l’information sensorielle redondante^{8,20,21, 22} Ans ^{, 23}. Toutefois, l’ancienne méthodologie n’était probablement pas sensible aux différences individuelles dans les processus d’intégration et les chercheurs ont depuis émis l’hypothèse que la méthodologie ultérieure (c.-à-d. les FDC) pourrait fournir un meilleur indicateur de la quantification des effets intégratifs²⁴.

Gondan et Minakata ont récemment publié un tutoriel sur la façon de tester avec précision l’inégalité du modèle de course (RMI) puisque les chercheurs font trop souvent d’innombrables erreurs au cours des étapes d’acquisition et de pré-traitement de la collecte et de la préparation des données RT²⁵. Tout d’abord, les auteurs postulent qu’il est défavorable d’appliquer des procédures de rognage des données lorsque certaines limites minimales et maximales de RT ont été fixées. Ils recommandent que les réponses lentes et omises soient mises à l’infini, plutôt que exclues. Deuxièmement, étant donné que l’IMR peut être violé à n’importe quelle latence, plusieurs t-tests sont souvent utilisés pour tester le RMI à différents moments (c.-à-d., quantiles); malheureusement, cette pratique conduit à l’erreur accrue de type I et à une réduction substantielle de la puissance statistique. Pour éviter ces problèmes, il est recommandé que le RMI soit testé sur une plage de temps spécifique. Certains chercheurs ont suggéré qu’il est logique de tester le quartile de réponses le plus rapide (0-25 %)²⁶ ou certaines fenêtres pré-identifiées (c.-à-d. 10-25 %)^24,27, car les effets d’intégration multisensorielle sont généralement observés. pendant cet intervalle de temps; cependant, nous soutenons que la plage de centiles à tester doit être dictée par l’ensemble de données réel (voir La section protocole 5). Le problème avec le fait de s’appuyer sur les données publiées de jeunes adultes ou des simulations informatiques est que les personnes âgées manifestent des distributions de RT très différentes, probablement en raison des déclins liés à l’âge dans les systèmes sensoriels. Les tests d’importance du modèle de course ne devraient être testés que sur des parties violées (valeurs positives) de l’onde de différence moyenne du groupe entre les FDC réels et prévus de la cohorte de l’étude.

À cette fin, un effet protecteur de l’intégration multisensorielle chez les personnes âgées en bonne santé en utilisant le test conventionnel du modèle de course¹⁶ et les principes énoncés par Gondan et ses collègues²⁵ a été démontré. En fait, une plus grande ampleur de l’IMC visuel-somatosensoriel (un proxy pour l’intégration multisensorielle) s’est avérée liée à une meilleure performance d’équilibre, à une probabilité plus faible de chutes d’incident et à une augmentation des performances de la démarche spatiale^28,29.

L’objectif de l’expérience actuelle est de fournir aux chercheurs un tutoriel étape par étape pour calculer l’ampleur des effets d’intégration multisensorielle à l’aide du RMI, afin de faciliter l’augmentation de la production de diverses études de recherche translationnelle à travers populations cliniques différentes. Notez que les données présentées dans la présente étude proviennent d’expériences visuelles-somatosensorielles récemment publiées menées sur des personnes âgées en bonne santé^28,29, mais cette méthodologie peut être appliquée à diverses cohortes à travers de nombreux différents conceptions expérimentales, en utilisant un large éventail de combinaisons multisensorielles.