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

El actual cuerpo de trabajo cuenta con el apoyo del Instituto Nacional sobre el Envejecimiento del Instituto Nacional de Salud (K01AG049813 a JRM). La financiación suplementaria fue proporcionada por el Centro de Gerontología Resnick del Albert Einstein College of Medicine. Agradecimiento especial a todos los voluntarios y personal de investigación por el apoyo excepcional con este proyecto.

Todos los participantes proporcionaron consentimiento informado por escrito a los procedimientos experimentales, que fueron aprobados por la junta de revisión institucional del Albert Einstein College of Medicine.
1. Reclutamiento de Participantes, Criterios de Inclusión y Consentimiento
<ol><li>Reclutar a una cohorte relativamente grande de individuos de habla inglesa que puedan ambulado de forma independiente y estén libres de pérdidas sensoriales significativas; trastornos neurológic...

<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>

El objetivo del estudio actual fue detallar el proceso detrás del establecimiento de un fenotipo de integración multisensorial robusto. Aquí, proporcionamos los pasos necesarios y críticos necesarios para adquirir efectos de integración multisensorial que se pueden utilizar para predecir resultados cognitivos y motores importantes basados en circuitos neuronales similares. Nuestro objetivo general era proporcionar un tutorial paso a paso para calcular la magnitud de la integración multisensorial en un esfuerzo por ...

Las interacciones entre sistemas sensoriales son esenciales para las funciones cotidianas. Mientras que los efectos de integración multisensorial se miden a través de una amplia gama de poblaciones utilizando combinaciones sensoriales variadas y diferentes enfoques de neurociencia [incluyendo pero no limitado a la psicofísica, electrofisiológica, y neuroimagen metodologías]1,2,3,4,5,6,7,8,9, actualmente un estándar de oro para cuantificación de la integración multisensorial. Dado que los experimentos multisensoriales suelen contener un componente conductual, los datos de tiempo de reacción (RT) a menudo se examinan para determinar la existencia de un fenómeno conocido llamado efecto de señales redundantes10. Como su nombre indica, las señales sensoriales simultáneas proporcionan información redundante, que normalmente producen RTmás más rápidos y modelos de coactivación se utilizan para explicar el efecto de señales redundantes mencionado anteriormente11. Bajo los modelos de carrera, la señal unisensorial que se procesa más rápido es el ganador de la carrera y es responsable de producir la respuesta conductual. Sin embargo, la evidencia de coactivación se produce cuando las respuestas a los estímulos multisensoriales son más rápidas de lo que predicen los modelos de raza.
Las versiones anteriores del modelo de raza son intrínsecamente controvertidas12,13 como algunos se refieren a los más conservadores14,15 y supuestamente contienen limitaciones con respecto a la independencia entre los tiempos de detección unisensorial constituyente inherentes a la condición multisensorial16. En un esfuerzo por abordar algunas de estas limitaciones, Colonius & Diederich16 desarrolló una prueba de modelo de carrera más convencional:
<img alt="Equation 1" src="/files/ftp_upload/59575/59575eq1.jpg">,
cuando las frecuencias de distribución acumulativa (CdF) de las condiciones unisensoriales (por ejemplo, A & B; con un límite superior de uno) se comparen con el CDF de la condición multisensorial simultánea (por ejemplo, AB) para cualquier latencia dada (t)11, 16 , 17. En general, un CDF determina la frecuencia con la que se produce un RT, dentro de un rango determinado de RT, dividido por el número total de presentaciones de estímulo (es decir, ensayos). Si el CDF de la <img alt="Equation 2" src="/files/ftp_upload/59575/59575eq2.jpg"> condición multisensorial real es menor o igual que el CDF previsto derivado de las condiciones unisensoriales
<img alt="Equation 3" src="/files/ftp_upload/59575/59575eq3.jpg">,
entonces se acepta el modelo de carrera y no hay evidencia para la integración sensorial. Sin embargo, cuando el CDF multisensorial es mayor que el CDF previsto derivado de las condiciones unisensoriales, se rechaza el modelo de carrera. El rechazo del modelo de carrera indica que las interacciones multisensoriales de fuentes sensoriales redundantes se combinan de manera no lineal, lo que resulta en una aceleración de los RT (por ejemplo, la facilitación de RT) a los estímulos multisensoriales.
Un obstáculo principal al que se enfrentan los investigadores multisensoriales es cómo cuantificar mejor los efectos de integración. Por ejemplo, en el caso del paradigma multisensorial conductual más básico, donde se pide a los participantes que realicen una tarea de tiempo de reacción simple, se recopila información sobre precisión y velocidad. Estos datos multisensoriales pueden utilizarse en el valor nominal o manipularse utilizando diversas aplicaciones matemáticas, incluyendo pero no limitado a la Estimación de Probabilidad Máxima18,19, CDFs11, y varias otras estadísticas Enfoques. La mayoría de nuestros estudios multisensoriales anteriores emplearon enfoques cuantitativos y probabilísticos en los que los efectos integradores multisensoriales se calcularon en 1) restando el tiempo medio de reacción (RT) a un evento multisensorial del tiempo medio de reacción ( RT) al evento unisensorial más corto, y 2) empleando CdFs para determinar si la facilitación de RT fue el resultado de interacciones sinérgicas facilitadas por información sensorial redundante8,20,21, 22 , 23. Sin embargo, es probable que la metodología anterior no fuera sensible a las diferencias individuales en los procesos integradores y los investigadores han postulado desde entonces que la metodología posterior (es decir, los CDF) puede proporcionar un mejor apoderado para cuantificar efectos integradores24.
Gondan y Minakata publicaron recientemente un tutorial sobre cómo probar con precisión la desigualdad del modelo de carrera (RMI) ya que los investigadores con demasiada frecuencia cometen innumerables errores durante las etapas de adquisición y preprocesamiento de la recopilación y preparación de datos RT25. En primer lugar, los autores postulan que es desfavorable aplicar procedimientos de recorte de datos cuando se establecen ciertos límites de RT mínimos y máximos a priori. Recomiendan que las respuestas lentas y omitidas se establezcan en infinito, en lugar de excluirse. En segundo lugar, dado que el RMI puede ser violado en cualquier latencia, a menudo se utilizan varias pruebas t para probar el RMI en diferentes puntos de tiempo (es decir, cuantiles); desafortunadamente, esta práctica conduce al mayor error de tipo I y a una potencia estadística sustancialmente reducida. Para evitar estos problemas, se recomienda que el RMI se pruebe en un intervalo de tiempo específico. Algunos investigadores han sugerido que tiene sentido probar el cuartil más rápido de las respuestas (0-25%)26 o algunas ventanas previamente identificadas (es decir, 10-25%)24,27 como efectos de integración multisensorial se observan típicamente durante ese intervalo de tiempo; sin embargo, argumentamos que el rango de percentiles que se va a probar debe ser dictado por el conjunto de datos real (véase la Sección 5del Protocolo ). El problema de confiar en los datos publicados de adultos jóvenes o simulaciones por computadora es que los adultos mayores manifiestan distribuciones de RT muy diferentes, probablemente debido a las disminuciones relacionadas con la edad en los sistemas sensoriales. Las pruebas de significancia del modelo de carrera solo deben probarse sobre las porciones violadas (valores positivos) de la onda de diferencia promediada por grupo entre los CDF reales y los cdF previstos de la cohorte del estudio.
Para ello, se ha demostrado un efecto protector de la integración multisensorial en adultos mayores sanos utilizando la prueba convencional del modelo de carrera16 y los principios establecidos por Gondan y sus colegas25. De hecho, se encontró que una mayor magnitud del RMI visual-somatosensorial (un proxy para la integración multisensorial) estaba vinculado a un mejor rendimiento del equilibrio, menor probabilidad de caídas de incidentes y un mayor rendimiento de la marcha espacial28,29.
El objetivo del experimento actual es proporcionar a los investigadores un tutorial paso a paso para calcular la magnitud de los efectos de integración multisensorial utilizando el RMI, para facilitar la mayor producción de diversos estudios de investigación traslacional a través de muchas poblaciones clínicas diferentes. Tenga en cuenta que los datos presentados en el estudio actual son de experimentos visuales-somatosensoriales publicados recientemente realizados en adultos mayores sanos28,29, pero esta metodología se puede aplicar a varias cohortes en muchas diseños experimentales, utilizando una amplia gama de combinaciones multisensoriales.

<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

La investigación de integración multisensorial investiga cómo el cerebro procesa la información sensorial simultánea. La investigación sobre animales (principalmente gatos y primates) y humanos revela que la integración multisensorial intacta es crucial para funcionar en el mundo real, incluyendo tanto las actividades cognitivas como las físicas. Gran parte de la investigación llevada a cabo en las últimas décadas documenta efectos de integración multisensorial utilizando diversas técnicas psicofísicas, electrofisiológicas y de neuroimagen. Si bien su presencia ha sido reportada, los métodos utilizados para determinar la magnitud de los efectos de integración multisensorial varían y normalmente se enfrentan a muchas críticas. A continuación, se describen las limitaciones de los estudios de comportamiento anteriores y se proporciona un tutorial paso a paso para calcular la magnitud de los efectos de integración multisensorial utilizando modelos de probabilidad robustos.

El propósito de este estudio fue proporcionar un tutorial paso a paso de un enfoque metódico para cuantificar la magnitud de los efectos de integración VS, para fomentar la publicación de nuevos estudios multisensoriales utilizando diseños experimentales y configuraciones similares (ver Figura 1 ). Las capturas de pantalla de cada paso y el cálculo necesarios para obtener la magnitud de los efectos de integración multisensorial, medidos por RMI AUC, se delinean arriba y se ilustran en...

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

Uso de la desigualdad del modelo de raza para cuantificar los efectos de integración multisensorial conductual

El estudio actual tiene como objetivo proporcionar un tutorial paso a paso para calcular la magnitud de los efectos de integración multisensorial en un esfuerzo por facilitar la producción de estudios de investigación traslacional en diversas poblaciones clínicas.

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

El establecimiento de un método reproducible para calcular la magnitud de los efectos de integración multisensorial es significativo, ya que ayudará a facilitar la investigación traslacional futura en diversas poblaciones clínicas. La principal ventaja de nuestra técnica es que somos capaces de cuantificar un fenotipo robusto de integración multisensorial que posteriormente se asocia con importantes resultados cognitivos y motores en el envejecimiento, como el equilibrio, las caídas, la marcha y las funciones ejecutivas. Comience por usar un software de presentación de estímulo para programar un experimento de tiempo de reacción simple con tres condiciones experimentales, solo visual, somatosensorial solo y visual-somatosensorial simultáneo.Utilice un generador de estímulo con tres cajas de control. Las cajas de control izquierda y derecha contienen diodos bilaterales emisores de luz azul que se iluminan para estimulación visual y motores bilaterales con amplitud de vibración de 0,8 G que vibran para la estimulación somatosensorial, así como carcasa de plástico para los estimuladores. A continuación, coloque una caja de control ficticia central equidistante de los cuadros de control izquierdo y derecho, y coloque una etiqueta adhesiva de destino visual para que sirva como punto de fijación.Después de que el experimento se haya establecido, escolte al participante a la sala de pruebas. Pida al participante que se siente erguido y descanse cómodamente las manos sobre las cajas de control izquierda y derecha. Coloque estratégicamente los dedos índice sobre los motores vibratorios montados en la parte posterior de la caja de control y los pulgares en la parte delantera de la caja de control debajo de los LED, para no bloquear la luz.Asegúrese de que los estímulos somatosensoriales son inaudibles proporcionando a los participantes auriculares sobre los cuales se reproduce ruido blanco continuo a un nivel cómodo. Pida al participante que utilice un pedal situado debajo del pie derecho como almohadilla de respuesta. Por último, pida al participante que responda a cada estímulo lo más rápido posible, independientemente de si lo siente, lo ve o lo siente y lo ve.Comience el análisis excluyendo a los participantes que no son capaces de alcanzar una precisión del 70% correcta o mayor en cualquier condición de estímulo. Considere los ensayos inexactos si un participante no responde a un estímulo dentro del período de tiempo de respuesta establecido y establece el tiempo de reacción correspondiente, o RT, hasta el infinito en lugar de excluir el ensayo del análisis. Los datos RT se ordenan en orden ascendente por la condición experimental.Coloque las condiciones visuales, somatosensoriales y VS en columnas separadas de datos RT ordenados. Asegúrese de que cada fila representa una prueba y cada celda representa el RT real. Tenga en cuenta que no emplea procedimientos de recorte de datos que eliminen RT muy lentos, ya que esto sesgará la distribución de datos RT. Asegúrese de que los RT que son claramente atípicos estén ajustados al infinito.Entonces, para bin los datos RT, identifique el RT más rápido y más lento. Reste el RT más lento del más rápido para calcular el rango RT del individuo en todas las condiciones de prueba. Bin RT datos del 0%al 100% en incrementos del 5% tomando el RT más rápido y añadiendo gradualmente el 5% al rango RT calculado previamente hasta que se tenga en cuenta el 100% de los datos RT, para dar lugar a 21 ubicaciones de tiempo. A continuación, dentro de una hoja de cálculo de computadora, utilice una función de frecuencia donde la matriz uno es igual a los RT reales para una de las condiciones experimentales y la matriz dos es igual a las 21 ubicaciones RT cuantificadas calculadas previamente divididas por el número total de ensayos, 45, por condición.A continuación, cree la frecuencia de distribución acumulativa, o CDF, sumando el total de probabilidades en ejecución en las ubicaciones cuantificadas para cada una de las tres condiciones experimentales. El CDF de la condición multisensorial representa el CDF real. Para calcular el CDF pronosticado, sume los dos CDF unisensoriales con un límite superior establecido en uno.Utilice esta fórmula en cada una de las 21 ubicaciones de tiempo cuantificadas. Comience en el percentil cero, y continúe hasta el percentil 100 para la bin 21. A continuación, para llevar a cabo la prueba de la desigualdad del modelo de carrera, reste el CDF previsto del CDF real para cada una de las 21 ubicaciones de tiempo cuantificadas para obtener los valores de diferencia.Trazar estos 21 valores como un gráfico de líneas, donde el eje X representa cada una de las bandejas de tiempo cuantificadas y el eje Y representa la diferencia de probabilidad entre los CDF reales y predichos. Aquí, los valores positivos en cualquier latencia indican la integración de los estímulos unisensoriales y reflejan una violación del IMC. Para cuantificar el efecto multisensorial a nivel de grupo, el grupo promedia los datos de RMI individuales en todos los participantes.Utilice una hoja de cálculo para asignar individuos a filas y ubicaciones de tiempo a columnas. A continuación, en una nueva hoja de cálculo, coloque los 21 valores de diferencia calculados anteriormente en filas individuales y valores medios dentro de las ubicaciones de tiempo para crear una forma de onda de diferencia promediada por grupo. A continuación, trace el promedio del grupo 21 valores como un gráfico de líneas, donde el eje X representa cada una de las bandejas de tiempo cuantificadas y el eje Y representa la diferencia de probabilidad entre los CDF.Por último, calcule el área debajo de la curva para cada individuo utilizando los datos de uno participantes como ejemplo. Sume el valor de diferencia CDF en la ubicación de tiempo uno con el valor de diferencia CDF en la ubicación de tiempo dos y, a continuación, divida por dos. Inspeccione visualmente cada par consecutivo de ubicaciones de tiempo que contengan valores positivos.Entonces, sume estos resultados para generar el AUC total de la onda de diferencia del CDF durante el rango de percentil violado de 0.00 a 0.10. Los resultados indican que se produce una infracción promedio de grupo en el rango de percentil de cero a 10% para una muestra de 333 adultos mayores. El número total de valores positivos, cero, uno, dos o tres, para esos tres cuantiles, 0,00 a 0,10, determina a qué grupo de clasificación multisensorial se asigna una persona, ya sea deficiente, pobre, buena o superior, respectivamente.Como hemos descrito anteriormente, es fundamental evitar los procedimientos de recorte de datos, ya que sesga las distribuciones RT. Los tiempos de reacción lentos y los ensayos omitidos deben ajustarse al infinito. El objetivo principal aquí era desarrollar un fenotipo robusto de integración multisensorial.Dicho esto, somos conscientes de los patrones diferenciales de integración multisensorial en el envejecimiento, y nuestro siguiente paso será descubrir las redes neuronales responsables de dichos procesos integradores mientras determinamos cómo las alteraciones estructurales o funcionales específicas contribuyen a los patrones de integración diferencial. Estamos trabajando en la identificación de los correlatos neuronales asociados con la integración visual-somatosensorial en el envejecimiento, y creemos que tales desarrollos proporcionarán información sobre varias enfermedades, incluyendo pero no limitado a la enfermedad de Alzheimer y Parkinson.

Research

JoVE Journal

Behavior

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

Inyección estereotáctica de microARN que expresan lentivirus al ratón hipocampo CA1 Región y evaluación de los resultados del comportamiento

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

Investigación

Comportamiento

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

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

Comportamiento Fenotipificación de modelos murinos de enfermedades con la Estación Integrada Comportamiento (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

La prueba de natación forzada como un modelo de depresivo-como comportamiento

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

Aplicando estereotáctica Técnica de Inyección para el Estudio de los efectos genéticos sobre Comportamientos animales

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

La estimulación del nervio vago como una herramienta para inducir plasticidad en vías pertinentes para el Aprendizaje Extinción

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

Un método para cuantificar procesamiento de la información visual en niños El uso de 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

Alteraciones del comportamiento: Un enfoque innovador para controlar los efectos moduladores de una dieta nutracéutica

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

Utilizando la cadena de herramientas de animación de FishSim para investigar el comportamiento de pescado: un estudio de caso en la elección de pareja copia en Mollies aletón

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

Evaluación conductual de locomoción espontánea en un modelo murino MPTP-inducido la enfermedad de Parkinson

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

Evaluación de los efectos autónomos y conductuales del movimiento pasivo en ratas mediante el movimiento vertical del ascensor y la rotación de la noria

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 ...