Verwenden der Rassenmodellungleichheit zur Quantifizierung von verhaltens- multisensorischen Integrationseffekten

Interaktionen zwischen Sinnessystemen sind für alltägliche Funktionen unerlässlich. Während multisensorische Integrationseffekte in einer Vielzahl von Populationen mit verschiedenen sensorischen Kombinationen und verschiedenen neurowissenschaftlichen Ansätzen gemessen werden [einschließlich, aber nicht beschränkt auf die psychophysische, elektrophysiologische und neuroimaging Methoden]^{1,2,3,4,5,6,7,8,9}, derzeit ein Goldstandard für multisensorische Integration fehlt. Da multisensorische Experimente in der Regel eine Verhaltenskomponente enthalten, werden oft Reaktionszeitdaten (RT) untersucht, um die Existenz eines bekannten Phänomens zu bestimmen, das als redundanter Signaleffekt¹⁰bezeichnet wird. Wie der Name schon sagt, liefern simultane sensorische Signale redundante Informationen, die in der Regel schnellere RTs liefern. Race- und Co-Aktivierungsmodelle werden verwendet, um die oben genannten redundanten Signale effekt¹¹zu erklären. Unter Rennmodellen ist das unisensorische Signal, das am schnellsten verarbeitet wird, der Gewinner des Rennens und verantwortlich für die Erzeugung der Verhaltensreaktion. Jedoch, Beweise für die Co-Aktivierung tritt auf, wenn Reaktionen auf multisensorische Reize sind schneller als das, was Rennmodelle vorhersagen.

Frühere Versionen des Rennmodells sind von Natur aus umstritten^12,13, da sie von einigen als zu konservativ^14,15 bezeichnet werden und angeblich Einschränkungen in Bezug auf die Unabhängigkeit enthalten zwischen den konstituierenden unisensorischen Detektionszeiten, die der multisensorischen Bedingung inhärent sind¹⁶. Um einige dieser Einschränkungen zu beseitigen, entwickelte Colonius & Diederich¹⁶ einen konventionelleren Rennmodelltest:

,

wenn die kumulativen Verteilungsfrequenzen (CDFs) der unisensorischen Bedingungen (z. B. A & B; mit einer Obergrenze von eins) mit dem CDF des gleichzeitigen multisensorischen Zustands (z. B. AB) für eine gegebene Latenz verglichen werden (t)^{11, 16 , 17}. Im Allgemeinen bestimmt ein CDF, wie oft ein RT innerhalb eines bestimmten RT-Bereichs auftritt, dividiert durch die Gesamtzahl der Stimuluspräsentationen (d. h. Versuche). Wenn die CDF des tatsächlichen multisensorischen Zustands kleiner oder gleich der vorhergesagten CDF ist, die von den unisensorischen Bedingungen abgeleitet wurde

,

dann wird das Rennmodell akzeptiert und es gibt keine Hinweise auf eine sensorische Integration. Wenn die multisensorische CDF jedoch größer ist als die vorhergesagte CDF, die von den unisensorischen Bedingungen abgeleitet wurde, wird das Rennmodell abgelehnt. Die Ablehnung des Rennmodells zeigt an, dass sich multisensorische Wechselwirkungen von redundanten sensorischen Quellen nichtlinear kombinieren, was zu einer Beschleunigung von RTs (z. B. RT-Erleichterung) zu multisensorischen Reizen führt.

Eine Haupthürde, mit der multisensorische Forscher konfrontiert sind, ist die bestmögliche Quantifizierung von Integrationseffekten. Zum Beispiel, im Falle des grundlegendsten verhaltens-multisensorischen Paradigmas, bei dem die Teilnehmer aufgefordert werden, eine einfache Reaktionszeitaufgabe durchzuführen, werden Informationen über Genauigkeit und Geschwindigkeit gesammelt. Solche multisensorischen Daten können zum Nennwert verwendet oder mit verschiedenen mathematischen Anwendungen manipuliert werden, einschließlich, aber nicht beschränkt auf Maximum Likelihood Estimation^18,19, CDFs¹¹, und verschiedene andere statistische Ansätze. Die meisten unserer früheren multisensorischen Studien verwendeten sowohl quantitative als auch probabilistische Ansätze, bei denen multisensorische integrative Effekte berechnet wurden, indem 1) die mittlere Reaktionszeit (RT) auf ein multisensorisches Ereignis von der mittleren Reaktionszeit subtrahiert wurden ( RT) auf das kürzeste unisensorische Ereignis und 2) durch den Einsatz von CDFs, um festzustellen,ob die RT-Erleichterung auf synergistische Wechselwirkungen zurückzuführen ist, die durch redundante sensorische Informationen 8^{,20,21, 22 , 23}. Die frühere Methodik war jedoch wahrscheinlich nicht empfindlich gegenüber den individuellen Unterschieden in integrativen Prozessen, und die Forscher haben seither festgestellt, dass die spätere Methodik (d. h. CDF) einen besseren Proxy für die Quantifizierung multisensorischer integrative Effekte²⁴.

Gondan und Minakata haben vor kurzem ein Tutorial veröffentlicht, wie man die Race Model Inequality (RMI) genau testen kann, da Forscher allzu oft unzählige Fehler während der Erfassungs- und Vorverarbeitungsphasen der RT-Datenerfassung und -vorbereitung machen²⁵. Erstens halten die Autoren dies für ungünstig, Datenkürzungsverfahren anzuwenden, bei denen bestimmte a priori-Mindest- und RT-Grenzwerte festgelegt sind. Sie empfehlen, langsame und ausgelassene Antworten auf unendlich zu setzen und nicht auszuschließen. Zweitens werden mehrere T-Tests häufig verwendet, um den RMI zu verschiedenen Zeitpunkten (d. h. Quantisaten) zu testen, da der RMI in jeder Latenz verletzt werden kann; Leider führt diese Praxis zu einem erhöhten Typ-I-Fehler und einer erheblich reduzierten statistischen Leistung. Um diese Probleme zu vermeiden, wird empfohlen, das RMI über einen bestimmten Zeitbereich zu testen. Einige Forscher haben vorgeschlagen, dass es sinnvoll ist, das schnellste Quartil von Antworten zu testen (0-25%)²⁶ oder einige vorab identifizierte Fenster (d. h. 10-25%)^24,27 als multisensorische Integrationseffekte werden typischerweise beobachtet während dieses Zeitintervalls; Wir argumentieren jedoch, dass der zu prüfende Perzentilbereich vom eigentlichen Dataset diktiert werden muss (siehe Protokollabschnitt 5). Das Problem bei der Berufung auf veröffentlichte Daten junger Erwachsener oder Computersimulationen besteht darin, dass ältere Erwachsene sehr unterschiedliche RT-Verteilungen manifestieren, wahrscheinlich aufgrund des altersbedingten Rückgangs der Sinnessysteme. Die Signifikanztests des Rennmodells sollten nur über verletzte Portionen (positive Werte) der gruppengemittelten Differenzwelle zwischen tatsächlichen und vorhergesagten CDFs aus der Studienkohorte getestet werden.

Zu diesem Zweck wurde eine schützende Wirkung der multisensorischen Integration bei gesunden älteren Erwachsenen anhand des konventionellen Tests des Rennmodells¹⁶ und der von Gondan und Kollegen²⁵ dargelegten Prinzipien demonstriert. Tatsächlich wurde eine größere Größe des visuell-somatosensorischen RMI (ein Proxy für multisensorische Integration) mit einer besseren Balance-Performance, einer geringeren Wahrscheinlichkeit von Ereignisstürzen und einer erhöhten räumlichen Gangleistung^28,29in Verbindung gebracht.

Ziel des aktuellen Experiments ist es, Forschern ein Schritt-für-Schritt-Tutorial zur Berechnung des Umfangs multisensorischer Integrationseffekte mit dem RMI zur Verfügung zu stellen, um die verstärkte Produktion verschiedener translationaler Forschungsstudien über viele verschiedene klinische Populationen. Beachten Sie, dass die in der aktuellen Studie vorgestellten Daten aus kürzlich veröffentlichten visuell-somatosensorischen Experimenten an gesunden älteren Erwachsenen^28,29, aber diese Methode kann auf verschiedene Kohorten in vielen verschiedenen experimentelle Designs, die eine breite Palette von multisensorischen Kombinationen verwenden.