Utilizzo della disuguaglianza del modello di gara per quantificare gli effetti di integrazione multisensoriali comportamentali

Le interazioni tra sistemi sensoriali sono essenziali per le funzioni quotidiane. Mentre gli effetti di integrazione multisensoriale sono misurati su una vasta gamma di popolazioni utilizzando combinazioni sensoriali assortite e diversi approcci neuroscientifici [inclusi, ma non limitati, alla psicofisica, elettrofisiologica e neuroimaging metodologie]^{1,2,3,4,5,6,7,8,9}, attualmente un gold standard per l’integrazione multisensoriale. Dato che gli esperimenti multisensoriali in genere contengono una componente comportamentale, i dati del tempo di reazione (RT) vengono spesso esaminati per determinare l’esistenza di un fenomeno noto chiamato effetto segnali ridondanti¹⁰. Come suggerisce il nome, i segnali sensoriali simultanei forniscono informazioni ridondanti, che in genere producono RT più veloci. Race e modelli di co-attivazione vengono utilizzati per spiegare il suddetto effetto di segnali ridondanti¹¹. Sotto i modelli di gara, il segnale unisensoriale che viene elaborato il più veloce è il vincitore della gara ed è responsabile della produzione della risposta comportamentale. Tuttavia, le prove della co-attivazione si verificano quando le risposte agli stimoli multisensoriali sono più rapide di quanto previsto dai modelli di gara.

Le versioni precedenti del modello di gara sono intrinsecamente controverse^12,13 in quanto sono indicate da alcuni come eccessivamente conservatrici^14,15 e presumibilmente contengono limitazioni per quanto riguarda l’indipendenza tra i tempi di rilevamento unisensoriale costitutivo inerenti alla condizione multisensoriale¹⁶. Nel tentativo di affrontare alcune di queste limitazioni, Colonius & Diederich¹⁶ sviluppò un test più convenzionale del modello di gara:

,

dove le frequenze cumulative di distribuzione (CDF) delle condizioni unisensoriali (ad esempio, A & B; con un limite superiore di uno) sono confrontate con la CDF della condizione multisensoriale simultanea (ad esempio, AB) per una determinata latenza (t)^{11, 16 , 17}. In generale, un CDF determina la frequenza con cui si verifica un RT, all’interno di un determinato intervallo di RT, diviso per il numero totale di presentazioni di stimolo (cioè prove). Se il CDF della condizione multisensoriale effettiva è minore o uguale al CDF previsto derivato dalle condizioni unisensorie

,

allora il modello di gara è accettato e non ci sono prove di integrazione sensoriale. Tuttavia, quando la CDF multisensoriale è maggiore della CDF prevista derivata dalle condizioni unisensoriali, il modello di gara viene rifiutato. Il rifiuto del modello di gara indica che le interazioni multisensoriali da fonti sensoriali ridondanti si combinano in modo non lineare, con conseguente accelerazione degli RT (ad esempio, facilitazione RT) a stimoli multisensoriali.

Uno dei principali ostacoli che i ricercatori multisensoriali devono affrontare è come quantificare al meglio gli effetti di integrazione. Ad esempio, nel caso del paradigma multisensoriale comportamentale più basilare, in cui ai partecipanti viene chiesto di eseguire un semplice compito di tempo di reazione, vengono raccolte informazioni relative all’accuratezza e alla velocità. Tali dati multisensoriali possono essere utilizzati al valore facciale o manipolati utilizzando varie applicazioni matematiche, tra cui, ma non solo, la stima della massima probabilità^18,19, i CPF¹¹e vari altri Approcci. La maggior parte dei nostri precedenti studi multisensoriali ha impiegato approcci sia quantitativi che probabilistici in cui gli effetti integrativi multisensoriali sono stati calcolati da 1) sottraendo il tempo medio di reazione (RT) a un evento multisensoriale dal tempo di reazione medio ( RT) all’evento unisensoriy più breve, e 2) impiegando CDF per determinare se la facilitazione di RT derivava da interazioni sinergiche facilitate da informazioni sensoriali ridondanti^{8,20,21, 22 Milia , 23.}Tuttavia, la prima metodologia probabilmente non era sensibile alle differenze individuali nei processi integrativi e i ricercatori hanno da allora ipotizzato che la metodologia successiva (cioè i CPF) può fornire un proxy migliore per quantificare la effetti integrativi²⁴.

Gondan e Minakata hanno recentemente pubblicato un tutorial su come testare con precisione la Race Model Inequality (RMI) dal momento che i ricercatori troppo spesso commetteno innumerevoli errori durante le fasi di acquisizione e pre-elaborazione della raccolta e preparazione dei dati RT²⁵. In primo luogo, gli autori ipotizzano che è sfavorevole applicare procedure di taglio dei dati in cui sono impostati determinati limiti minimi e massimi RT a priori. Raccomandano che le risposte lente e omesse siano impostate su infinito, anziché escluse. In secondo luogo, dato che l’RMI può essere violato a qualsiasi latenza, più test t sono spesso utilizzati per testare l’RMI in punti temporali diversi (cioè quantili); purtroppo, questa pratica porta all’aumento dell’errore di tipo I e alla notevole riduzione della potenza statistica. Per evitare questi problemi, si consiglia di testare l’RMI in un intervallo di tempo specifico. Alcuni ricercatori hanno suggerito che ha senso testare il quartile più veloce delle risposte (0-25%)²⁶ o alcune finestre pre-identificate (cioè 10-25%)^24,27 come effetti di integrazione multisensoriale sono in genere osservati durante tale intervallo di tempo; Tuttavia, si sostiene che l’intervallo percentile da testare deve essere dettato dal set di dati effettivo (vedere Protocol Section 5). Il problema di basarsi sui dati pubblicati da giovani adulti o simulazioni al computer è che gli adulti più anziani manifestano distribuzioni di RT molto diverse, probabilmente a causa del declino legato all’età nei sistemi sensoriali. I test di significatività del modello di razza devono essere testati solo su porzioni violate (valori positivi) di onda di differenza media di gruppo tra i CF effettivi e quelli previsti della coorte di studio.

A tal fine, è stato dimostrato un effetto protettivo dell’integrazione multisensoriale negli adulti anziani sani utilizzando la prova convenzionale del modello di gara¹⁶ e i principi stabiliti da Gondan e colleghi^25. Infatti, una maggiore grandezza di RMI visivo-somatosensoriale (un proxy per l’integrazione multisensoriale) è risultato essere collegato per migliorare le prestazioni di equilibrio, una minore probabilità di cadute di incidenti e una maggiore performance dell’andatura spaziale^28,29.

L’obiettivo dell’esperimento attuale è quello di fornire ai ricercatori un tutorial passo-passo per calcolare l’entità degli effetti di integrazione multisensoriale utilizzando l’RMI, per facilitare l’aumento della produzione di diversi studi di ricerca traslazionale in tutto molte popolazioni cliniche diverse. Si noti che i dati presentati nello studio attuale provengono da esperimenti visivo-somatosensoriali pubblicati di recente condotti su adulti anziani sani^28,29, ma questa metodologia può essere applicata a varie coorti in molti diversi progetti sperimentali, utilizzando una vasta gamma di combinazioni multisensoriali.