Name: using the race model inequality to quantify behavioral multisensory integration effects
Uploaded: 2019-05-10T14:45:00
Description: Watch this Scientific Journal Video about Using the Race Model Inequality to Quantify Behavioral Multisensory Integration Effects at JoVE.com

Die aktuelle Arbeit wird vom National Institute on Aging am National Institute of Health (K01AG049813 to JRM) unterstützt. Die zusätzliche Finanzierung erfolgte durch das Resnick Gerontology Center des Albert Einstein College of Medicine. Besonderer Dank geht an alle ehrenamtlichen Helfer und Forscher für die außergewöhnliche Unterstützung bei diesem Projekt.

Alle Teilnehmer erteilten schriftlich ihre Zustimmung zu den experimentellen Verfahren, die vom institutionellen Prüfungsausschuss der Albert Einstein College of Medicine genehmigt wurden.
1. Einstellung sanatder Teilnehmer, Einstellungskriterien und Zustimmung
<ol><li>Rekrutieren Sie eine relativ große Kohorte englischsprachiger Personen, die unabhängig ambulaten können und frei von signifikanten sensorischen Verlusten sind; aktive neurologische oder psychiatrische Störungen, die exper...

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

Ziel der aktuellen Studie war es, den Prozess hinter der Etablierung eines robusten multisensorischen Integrationsphänotyps zu beschreiben. Hier bieten wir die notwendigen und kritischen Schritte, die erforderlich sind, um multisensorische Integrationseffekte zu erzielen, die genutzt werden können, um wichtige kognitive und motorische Ergebnisse vorherzusagen, die auf ähnlichen neuronalen Schaltkreisen basieren. Unser übergeordnetes Ziel war es, ein Schritt-für-Schritt-Tutorial zur Berechnung des Umfangs der multise...

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 umstritten12,13, da sie von einigen als zu konservativ14,15 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:
<img alt="Equation 1" src="/files/ftp_upload/59575/59575eq1.jpg">,
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 <img alt="Equation 2" src="/files/ftp_upload/59575/59575eq2.jpg"> multisensorischen Zustands kleiner oder gleich der vorhergesagten CDF ist, die von den unisensorischen Bedingungen abgeleitet wurde
<img alt="Equation 3" src="/files/ftp_upload/59575/59575eq3.jpg">,
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 Estimation18,19, 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 Gangleistung28,29in 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 Erwachsenen28,29, aber diese Methode kann auf verschiedene Kohorten in vielen verschiedenen experimentelle Designs, die eine breite Palette von multisensorischen Kombinationen verwenden.

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

using the race model inequality to quantify behavioral multisensory integration effects

Die multisensorische Integrationsforschung untersucht, wie das Gehirn gleichzeitig sensorische Informationen verarbeitet. Die Forschung an Tieren (hauptsächlich Katzen und Primaten) und Menschen zeigt, dass eine intakte multisensorische Integration für das Funktionieren in der realen Welt, einschließlich kognitiver und körperlicher Aktivitäten, von entscheidender Bedeutung ist. Ein Großteil der Forschung, die in den letzten Jahrzehnten durchgeführt wurde, dokumentiert multisensorische Integrationseffekte mit verschiedenen psychophysischen, elektrophysiologischen und neuroimaging Techniken. Während seine Anwesenheit berichtet wurde, die Methoden verwendet, um das Ausmaß der multisensorischen Integrationseffekte zu bestimmen variiert und in der Regel viel Kritik ausgesetzt. Im Folgenden werden Einschränkungen früherer Verhaltensstudien beschrieben und ein Schritt-für-Schritt-Tutorial zur Berechnung der Größe multisensorischer Integrationseffekte mithilfe robuster Wahrscheinlichkeitsmodelle bereitgestellt.

Ziel dieser Studie war es, ein schrittweises Tutorial eines methodischen Ansatzes zur Quantifizierung des Ausmaßes von VS-Integrationseffekten bereitzustellen, um die Veröffentlichung neuer multisensorischer Studien mit ähnlichen experimentellen Entwürfen und -setups zu fördern (siehe Abbildung 1 ). Screenshots der einzelnen Schritte und Berechnungen, die erforderlich sind, um die Größe multisensorischer Integrationseffekte abzuleiten, gemessen mit RMI AUC, sind oben abgegrenzt und in...

Watch this Scientific Journal Video about Using the Race Model Inequality to Quantify Behavioral Multisensory Integration Effects at JoVE.com

Using the Race Model Inequality to Quantify Behavioral Multisensory Integration Effects

Verwenden der Rassenmodellungleichheit zur Quantifizierung von verhaltens- multisensorischen Integrationseffekten

Die aktuelle Studie zielt darauf ab, ein Schritt-für-Schritt-Tutorial zur Berechnung des Ausmaßes multisensorischer Integrationseffekte bereitzustellen, um die Erstellung von translationalen Forschungsstudien über verschiedene klinische Populationen hinweg zu erleichtern.

Multisensory integration research investigates how the brain processes simultaneous sensory information. Research on animals (mainly cats and primates) ...

Die Festlegung einer reproduzierbaren Methode zur Berechnung des Ausmaßes multisensorischer Integrationseffekte ist von Bedeutung, da sie zur Erleichterung künftiger translationaler Forschung in verschiedenen klinischen Populationen unterstützen wird. Der Hauptvorteil unserer Technik ist, dass wir in der Lage sind, einen robusten Phänotyp multisensorischer Integration zu quantifizieren, der anschließend mit wichtigen kognitiven und motorischen Ergebnissen im Altern verbunden ist, wie Gleichgewicht, Stürze, Gang und Führungsfunktionen. Beginnen Sie mit stimulus-Präsentationssoftware, um ein einfaches Reaktionszeitexperiment mit drei experimentellen Bedingungen zu programmieren, visuelle allein, somatosensorische und gleichzeitige visuelle Somatosensorik.Verwenden Sie einen Stimulusgenerator mit drei Steuerboxen. Die linken und rechten Steuerkästen enthalten bilaterale blaue Leuchtdioden, die für die visuelle Stimulation aufleuchten, und bilaterale Motoren mit 0,8 G Vibrationsamplitude, die für somatosensorische Stimulation vibrieren, sowie Kunststoffgehäuse für die Stimulatoren. Platzieren Sie als Nächstes eine zentrale Dummy-Steuerbox, die von den linken und rechten Steuerfeldern gleich weit entfernt ist, und befestigen Sie einen visuellen Zielaufkleber, der als Fixierungspunkt dient.Nachdem das Experiment eingerichtet wurde, begleiten Sie den Teilnehmer zum Testraum. Lassen Sie den Teilnehmer aufrecht sitzen und bequem die Hände auf die linken und rechten Steuerkästen legen. Legen Sie strategisch zeigefinger über die Vibrationsmotoren, die an der Rückseite des Steuerkastens montiert sind, und Daumen auf der Vorderseite des Steuerkastens unter den LEDs, um das Licht nicht zu blockieren.Stellen Sie sicher, dass die somatosensorischen Reize nicht hörbar sind, indem Sie den Teilnehmern Kopfhörer zur Verfügung stellen, über die kontinuierliches weißes Rauschen auf einem komfortablen Niveau abgespielt wird. Lassen Sie den Teilnehmer ein Fußpedal unter dem rechten Fuß als Antwortpad verwenden. Lassen Sie den Teilnehmer schließlich so schnell wie möglich auf jeden Stimulus reagieren, unabhängig davon, ob er ihn fühlt, sieht oder es fühlt und sieht.Beginnen Sie mit der Analyse, indem Sie Teilnehmer ausschließen, die bei einer Stimulusbedingung keine Genauigkeit von 70 % oder mehr erreichen können. Betrachten Sie Versuche als ungenau, wenn ein Teilnehmer nicht innerhalb des festgelegten Reaktionszeitraums auf einen Stimulus reagiert und die entsprechende Reaktionszeit (RT) auf unendlich setzt, anstatt die Studie von der Analyse auszuschließen. RT-Daten werden in aufsteigender Reihenfolge nach der experimentellen Bedingung sortiert.Platzieren Sie visuelle, somatosensorische und VS-Bedingungen in separaten Spalten mit sortierten RT-Daten. Stellen Sie sicher, dass jede Zeile eine Testversion darstellt und jede Zelle den tatsächlichen RT darstellt. Beachten Sie, dass keine Verfahren zum Datentrimmen verwendet werden, die sehr langsame RTs löschen, da dies die Verteilung von RT-Daten verzerrt. Stellen Sie sicher, dass RTs, die eindeutig Ausreißer sind, auf unendlich eingestellt sind.Identifizieren Sie dann die schnellsten und die langsamsten RT, um die RT-Daten zu verkleben. Subtrahieren Sie den langsamsten RT vom schnellsten, um den RT-Bereich des Einzelnen über alle Testbedingungen hinweg zu berechnen. Bin RT-Daten von 0% bis zu 100% in 5%-Schritten, indem sie den schnellsten RT nehmen und schrittweise 5% zum zuvor berechneten RT-Bereich hinzufügen, bis 100% der RT-Daten berücksichtigt werden, um 21 Zeitabschnitte zu erzielen. Als nächstes verwenden Sie in einer Computertabelle eine Frequenzfunktion, bei der Array eins den tatsächlichen RTs für eine der experimentellen Bedingungen entspricht und Array zwei den 21 quantisierten RT-Behältern entspricht, die zuvor berechnet wurden, geteilt durch die Gesamtzahl der Versuche, 45, pro Bedingung.Erstellen Sie dann die kumulative Verteilungshäufigkeit (CDF), indem Sie die laufende Summe der Wahrscheinlichkeiten über die quantisierten Abschnitte für jede der drei experimentellen Bedingungen summieren. Die CDF der multisensorischen Bedingung stellt die tatsächliche CDF dar. Um die vorhergesagte CDF zu berechnen, summieren Sie die beiden unisensorischen CDFs mit einer Obergrenze, die auf eins festgelegt ist.Verwenden Sie diese Formel in jedem der 21 quantisierten Zeitabschnitte. Beginnen Sie mit dem Nullstelzentil, und fahren Sie bis zum 100. Perzentil für bin 21 fort. Um den Test der Race model Inequality durchzuführen, subtrahieren Sie die vorhergesagte CDF von der tatsächlichen CDF für jeden der 21 quantisierten Zeitabschnitte, um die Differenzwerte zu erhalten.Zeichnen Sie diese 21 Werte als Liniendiagramm, wobei die x-Achse jeden der quantisierten Zeitabschnitte und die y-Achse die Wahrscheinlichkeitsdifferenz zwischen den tatsächlichen und den vorhergesagten CDFs darstellt. Hier deuten positive Werte in jeder Latenz auf die Integration der unisensorischen Reize hin und spiegeln eine Verletzung des RMI wider. Um den multisensorischen Effekt auf Gruppenebene zu quantifizieren, durchschnittlichen Sie die einzelnen RMI-Daten über alle Teilnehmer hinweg.Verwenden Sie eine Kalkulationstabelle, um Zeilen und Zeitabschnitten Zuzeilen Spalten Personen zuzuweisen. Platzieren Sie dann in einer neuen Kalkulationstabelle die zuvor berechneten 21 Differenzwerte in einzelnen Zeilen und Durchschnittswerte innerhalb von Zeitabschnitten, um eine gruppengemittelte Differenzwellenform zu erstellen. Zeichnen Sie dann den Gruppendurchschnitt von 21 Werten als Liniendiagramm, wobei die x-Achse jeden der quantisierten Zeitabschnitte und die y-Achse die Wahrscheinlichkeitsdifferenz zwischen den CDFs darstellt.Schließlich berechnen Sie die Fläche unter der Kurve für jede Person, indem Sie die Daten des Teilnehmers als Beispiel verwenden. Summieren Sie den CDF-Differenzwert zum Zeitpunkt des Lagers eins mit dem CDF-Differenzwert zum Zeitpunkt abschnitt zwei, und dividieren Sie dann durch zwei. Überprüfen Sie visuell jedes aufeinander folgende Paar von Zeitabschnitten, die positive Werte enthalten.Dann summiert sich diese Ergebnisse, um die gesamte AUC der CDF-Differenzwelle während des verletzten Perzentilbereichs von 0,00 bis 0,10 zu generieren. Die Ergebnisse deuten auf eine gruppengemittelte Verletzung hin, die über den Bereich von null bis 10 % Imperzentil für eine Stichprobe von 333 älteren Erwachsenen auftritt. Die Gesamtzahl der positiven Werte, Null, eins, zwei oder drei, für diese drei Quantile, 0,00 bis 0,10, bestimmt, welcher multisensorischen Klassifizierungsgruppe eine Person zugeordnet ist, entweder mangelhaft, arm, gut oder überlegen.Wie wir bereits beschrieben haben, ist es wichtig, Verfahren zum Datentrimmen zu vermeiden, da die RT-Verteilungen verzerrt werden. Langsame Reaktionszeiten und ausgelassene Versuche müssen auf unendlich eingestellt werden. Das Hauptziel bestand dabei darin, einen robusten Phänotyp der multisensorischen Integration zu entwickeln.Dennoch sind wir uns der differenziellen multisensorischen Integrationsmuster im Altern bewusst, und unser nächster Schritt wird darin bestehen, die neuronalen Netzwerke aufzudecken, die für solche integrativen Prozesse verantwortlich sind, während wir bestimmen, wie spezifische strukturelle oder funktionelle Veränderungen zu den differentialen Integrationsmustern beitragen. Wir arbeiten daran, die neuronalen Korrelate zu identifizieren, die mit der visuell-somatosensorischen Integration im Alter verbunden sind, und wir glauben, dass solche Entwicklungen Einblicke in mehrere Krankheiten geben werden, einschließlich, aber nicht beschränkt auf Alzheimer und Parkinson.

Research

JoVE Journal

Behavior

Stereotactic Injection of MicroRNA-expressing Lentiviruses to the Mouse Hippocampus CA1 Region and Assessment of the Behavioral Outcome

Stereotaktische Injektion von microRNA-exprimierenden Lentiviren der Maus Hippocampus CA1 Region und Beurteilung der Behavioral Outcome

MicroRNAs (miRNAs) are small regulatory single-stranded RNA molecules around 22 nucleotides long that may each target numerous mRNA transcripts and dim an ...

Forschung

Verhalten

Behavioral Phenotyping of Murine Disease Models with the Integrated Behavioral Station (INBEST)

Behavioral Phenotyping of Murine Disease Models with the Integrated Behavioral Station INBEST

Behavioral Phänotypisierung von murinen Krankheitsmodelle mit dem Integrated Behavioral Station (INBEST)

Due to rapid advances in genetic engineering, small rodents have become the preferred subjects in many disciplines of biomedical research. In studies of ...

The Forced Swim Test as a Model of Depressive-like Behavior

Forced Swim-Test als ein Modell der Depressive ähnliche Verhalten

The goal of the present protocol is to describe the forced swim test (FST), which is one of the most commonly used assays for the study of depressive-like ...

Applying Stereotactic Injection Technique to Study Genetic Effects on Animal Behaviors

Anwenden Stereotaktische Injektionstechnik zu genetischen Auswirkungen auf die Tier Behaviors Studie

Stereotactic injection is a useful technique to deliver high titer lentiviruses to targeted brain areas in mice. Lentiviruses can either overexpress or ...

Vagus Nerve Stimulation as a Tool to Induce Plasticity in Pathways Relevant for Extinction Learning

Vagusnervstimulation als Instrument zur Plastizität in Pathways Relevant für Extinction Learning herbei

Extinction describes the process of attenuating behavioral responses to neutral stimuli when they no longer provide the reinforcement that has been ...

A Method to Quantify Visual Information Processing in Children Using Eye Tracking

Eine Methode zur Quantifizierung von Visual Information Processing bei Kindern Eye-Tracking

Visual problems that occur early in life can have major impact on a child's development. Without verbal communication and only based on observational ...

Behavioral Disturbances: An Innovative Approach to Monitor the Modulatory Effects of a Nutraceutical Diet

Verhaltensstörungen: Ein innovativer Ansatz die Modulatorischer Auswirkungen einer Nutraceutical-Diät zu überwachen

In dogs, diets are often used to modulate behavioral disturbances related to chronic anxiety and stress caused by intense and restless activity. However, ...

Using the FishSim Animation Toolchain to Investigate Fish Behavior: A Case Study on Mate-Choice Copying In Sailfin Mollies

Using the FishSim Animation Toolchain to Investigate Fish Behavior: A Case Study on Mate-Choice Copying In Sailfin Mollies

Mit der FishSim Animation Toolchain zu Fisch Verhalten zu untersuchen: A Case Study on Partnerwahl kopieren In Segelkärpflinge Mollies

Over the last decade, employing computer animations for animal behavior research has increased due to its ability to non-invasively manipulate the ...

Behavioral Assessments of Spontaneous Locomotion in a Murine MPTP-induced Parkinson's Disease Model

Verhaltens Bewertungen der spontanen Fortbewegung in einem murinen MPTP-induzierten Parkinson-Erkrankung-Modell

Parkinson&#8217;s disease (PD) is a common neurodegenerative disorder disease, causing the phenomenon of shaking, rigidity, slowness of movement and ...

Assessing the Autonomic and Behavioral Effects of Passive Motion in Rats using Elevator Vertical Motion and Ferris-Wheel Rotation

Bewertung der autonomen und Verhaltenseffekte passiver Bewegungen bei Ratten mit vertikaler Aufzugsbewegung und Riesenradrotation

The overall goal of this study is to assess the autonomic and behavioral effects of passive motion in rodents using the elevator vertical motion and ...