Tiedot

Okulometrian/pupillometrian suhde tietoisuuden häiriöihin

Okulometrian/pupillometrian suhde tietoisuuden häiriöihin


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Olen äskettäin miettinyt, korreloiko tiettyjen silmien liikkeet tai pupillivasteet tajunnan häiriöihin (kooma, VS, MCS tai jopa lukittu oireyhtymä). Tiedän, että pupillin vaste suoraan valonlähteeseen on osa tavallista kooman arviointiasteikkoa, mutta kysymykseni koskee enemmän lepotilan okulomotorista toimintaa tai ärsykkeen aiheuttamia vasteita.

Esimerkki tällaisesta tutkimuksesta voi olla (esimerkiksi) paperi, jossa muutokset oppilaan vasteessa vaihtelevat yhdessä tietoisen tilan muutosten kanssa MCS-potilaalla.

Tietääkö kukaan tällaisesta tutkimuksesta?


Olen luetellut alla useita artikkeleita viitteellesi:

(Hakusanat: "okulometria pupillometria tajunnan häiriöt"Google Scholarissa, ei mitään erityistä):

Grandchamp et ai., 2014, DOI: 10.3389/fpsyg.2014.00031 - Ensisijainen tutkimusartikkeli, joka liittyy tietoisuuteen (mielen vaelteluun), jossa kirjoittajat tutkivat erilaisia ​​pupillometrisiä vastauksia muun muassa. Hyvä päiväkirja.

(Hakusanat: "pupillometria tietoisuus"Google Scholarissa":

Laeng et ai., 2012, DOI 10.1177/1745691611427305 - Mukavan näköinen katsaus pupillometriaan ja tietoisuuteen, jonka pitäisi olla hyvä lähde lisäviitteille;

Smallwood et ai., 2011, DOI: 10.1371/journal.pone.0018298 - Ensisijainen tutkimusartikkeli huomiosta ja havainnosta julkaisussa Plos One. Se on avoimen lähdekoodin, mutta ei suosikkilehteni


Suurin osa tehtävistä, joita aivomme organisoivat kehossamme, suoritetaan tietoisen tietoisuutemme ulkopuolella. Hengittämisen, tasapainon ylläpitämisen ja sydämenlyönnin lisäksi näihin tehtäviin kuuluu oppilaidemme koon kasvattaminen tai pienentäminen, kun ympäristö muuttuu tummemmaksi tai vaaleammaksi. Näin voimme nähdä sekä pimeässä huoneessa että kirkkaina aurinkoisina päivinä. Vaikka oppilaan pinta -ala voi muuttua jopa kymmenkertaiseksi (Winn et ai., 1994), emme ole tietoisia pienistä liikkeistä silmälihaksissa, jotka avaavat ja sulkevat oppilaitamme.

Viimeaikaiset tutkimukset ovat maalanneet monimutkaisen ja kiehtovan kuvan siitä, mikä ohjaa näitä muutoksia oppilaan koossa. Vaikka he edustavat visuaalisen toiminnan alinta tasoa, nämä oppilasdynamiikat voivat heijastaa kehittyneitä prosesseja, jotka liittyvät läheisesti jokapäiväiseen kokemukseemme (mukaan lukien huomio, päätöksenteko ja jopa esteettiset kokemukset Binda ja Murray, 2015 Hartmann ja Fischer, 2014). Siksi oppilaiden mittauksia, joita kutsutaan myös pupillometriksi, voidaan käyttää kognitiivisten ja havaintotilojen indikaattorina. Tämä menetelmä on myös objektiivinen ja ei-invasiivinen, ja siksi sitä voidaan soveltaa monissa kliinisissä yhteyksissä. Sen avulla voimme esimerkiksi kommunikoida potilaiden kanssa, jotka kärsivät ”lukittu” -oireyhtymästä-tila, jolle on ominaista kaikkien lihasten halvaus paitsi silmän (Stoll et al., 2013).

Nyt eLifessa Marco Turi, David Burr ja Paola Binda - jotka sijaitsevat Pisan, Firenzen ja Sydneyn tutkimuslaitoksissa - raportoivat, että oppilaiden koon vaihtelut voivat antaa käsityksen kliinisistä häiriöistä (Turi et al., 2018). Tutkijat käyttivät tunnettua optisen sylinterin harhaa, joka koostuu kahdesta päällekkäisestä mustavalkoisesta pisteestä, jotka liikkuvat vastakkaisiin suuntiin 2D-tasossa (kuva 1A). Pisteiden eri nopeuksien vuoksi jokainen, joka katsoo pisteitä, näkee yleensä pyörivän 3D -sylinterin (Andersen ja Bradley, 1998 Video 1, Turi et ai., 2018). Koska tuloksena oleva illuusio kuitenkin vaikeuttaa havaita, mikä väri on edessä (ja siten pyörimissuunta), visuaalinen järjestelmämme valitsee yhden tulkinnan milloin tahansa. Tämän seurauksena havaittu pyöriminen vaihtaa suuntaa muutaman sekunnin välein (kuva 1B). Tällaisia ​​lähestymistapoja, joissa fyysinen ärsyke pysyy vakiona, mutta subjektiivinen käsityksemme muuttuu, on käytetty laajalti visuaalisen tietoisuuden taustalla olevien mekanismien tutkimiseen (Kim ja Blake, 2005).

Oppilaan koon muutokset riippuvat subjektiivisesta visuaalisesta havainnosta.

(A) Turi et ai. käytti visuaalista ärsykettä, jossa kaksi pistejoukkoa (valkoinen ja musta) liikkuivat vastakkaisiin suuntiin (ohuet nuolet). (B) Tarkkailijalle tämä ärsyke näkyy 3D-sylinterinä, joka pyörii myötäpäivään mustien pisteiden edessä (ylhäällä) tai vastapäivään valkoisten pisteiden edessä (alhaalla). Tämä havaittu pyörimissuunta vaihtuu muutaman sekunnin välein. (C) Turi et ai. havaitsi, että pupillin koko kasvoi, kun mustat pisteet näyttivät olevan edessä, ja pieneni, kun valkoiset pisteet näyttivät olevan edessä. Tämän muutoksen koko korreloi Autism-Spectrum Quotient -pistemäärän kanssa.

Seuratakseen subjektiivista havainnon muutosta osallistujat kertoivat, miten he kokivat sylinterin pyörimisen, kun taas tutkijat mitasivat oppilaan koon. Vaikka valon voimakkuus (ensisijainen oppilaan kokoon vaikuttava tekijä) pysyi vakiona, oppilaiden koko muuttui: oppilaat kasvoivat suuremmiksi, kun mustat pisteet näyttivät olevan edessä, mutta pienenivät, kun valkoiset pisteet näyttivät olevan edessä (kuva 1C).

Joillakin osallistujilla oppilaiden koko muuttui merkittävästi mustavalkoisten vaiheiden välillä, kun taas toisilla muutokset olivat vain vähäisiä. Turi et ai. paljasti, että nämä erot korreloivat vahvasti osallistujien Autism-Spectrum Quotient (AQ) -pisteiden kanssa (Baron-Cohen et al., 2001). Mitä enemmän autistisia piirteitä yksilö ilmoitti AQ -kyselylomakkeessa, sitä voimakkaammat muutokset oppilaan koossa tulivat. Tämä vaikutus muodosti noin puolet AQ -pisteiden varianssista, mikä on huomattavasti korkeampi kuin muiden aistien mittausten raportoitujen vaikutusten koot (esim. Ujiie et ai., 2015).

Turi et ai. väittävät, että oppilaan koon muutokset heijastavat sitä, miten yksilöt käsittelevät visuaalista tietoa eri tavalla. Jotkut ihmiset keskittyvät yleensä pieniin, määriteltyihin alueisiin, kuten etupintaan, kun taas toiset keskittyvät koko sylinteriin. Näin ollen ihmisillä, joilla on tarkempi keskittyminen, pitäisi olla enemmän vaihtelua oppilaan koossa, koska heidän keskittymisensä vaihtelee mustien ja valkoisten pisteiden välillä. Tämä havainto liittyy tiiviisti pitkäaikaiseen hypoteesiin, jonka mukaan autismispektrin häiriöillä olevat ihmiset keskittyvät enemmän yksityiskohtiin kuin kokonaiskuvaan (Happé ja Frith, 2006).

Turi et al. esittää vakuuttavia todisteita siitä, että oppilaan koko heijastaa subjektiivisia eroja tavalla, joka korreloi suuresti osallistujien raportoitujen autististen piirteiden kanssa. Tutkimus tarjoaa lukuisia mahdollisuuksia tutkia korkeamman tason kognitiivisia prosesseja. Tämä voi olla erityisen arvokasta, kun tutkitaan yksilöitä, joiden voi olla vaikea osallistua monimutkaisiin käyttäytymistehtäviin, kuten yksilöitä, joilla on vähäinen kielitaito tai puutteita muissa kognitiivisissa kyvyissä. Pillometria on selkeästi tehokas työkalu yksilöimään visuaalisen tiedon käsittelyn eroja ja mahdollisesti parantamaan ymmärrystämme autismin taajuushäiriöistä.


2 KOKEUS 2

  1. TEPR: n muutokset ovat joko: (a) positiivisesti jotka liittyvät kuunteluarvioiden muutoksiin ponnisteluissa ja väsymykseen (perinteinen hypoteesi) tai (b) negatiivisesti liittyy kuuntelun väsymyksen muutoksiin (resurssien ehtymisen hypoteesi).
  2. Subjektiiviset ponnistelut liittyvät positiivisesti kuunteluarvioiden subjektiiviseen väsymykseen, mikä tukee Hockeyn (2013) motivaationhallintateoriaa väsymyksen ennustamisesta, jonka mukaan väsymys vaikuttaa omaan kapasiteettivaatimusten arviointiin.
  3. Kuunteluarvioiden väsymys liittyy negatiivisesti puheentunnistuksen suorituskykyyn ja tukee ajatusta siitä, että väsymyksellä on haitallinen vaikutus tehtävien suorittamiseen (DeLuca, 2005 Hockey, 2013).

2.1 Menetelmä

Näytteen koko, kokeellinen suunnittelu, hypoteesit, tulosmittaukset ja kokeilua 2 koskeva analyysisuunnitelma rekisteröitiin etukäteen Open Science -kehykseen (https://osf.io/nya2g). Raakatiedot, ärsykkeet ja R -komentosarjat analysointia ja kuvauksia varten löytyvät osoitteesta https://osf.io/6mbk7/.

2.1.1 Osallistujat

Tähän tutkimukseen osallistui kaksikymmentä terveellistä nuorta aikuista (kaksi miestä), joiden ikä oli 18–30 vuotta. Vain osallistujat, jotka eivät olleet osallistuneet kokeeseen 1, olivat oikeutettuja osallistumaan kokeeseen 2. Hopstaken et al. (2015) raportoi Pearsonin taudista r TEPR: n ja subjektiivisen väsymyksen välinen korrelaatio tutkimuksessaan. Perustuu tehon arvioihin keskivaikutuksen koon havaitsemiseksi käytettäessä toistettujen mittausten korrelaatiotekniikkaa (rmcorr) k = 6 (ks. Kuva 4 Bakdash & Marusich, 2017), laskimme, että 20 osallistujan otoskoon pitäisi antaa & gt80% voimaa havaita yhteys näiden muuttujien välillä, jos sellainen esiintyy normaalilla .05 alfa -virheen todennäköisyydellä. Kaikilla osallistujilla kuulokynnykset olivat ≤ 20 dB 0,5–4 kHz: n korvalla kummassakin korvassa. Muuten käytettiin samoja kelpoisuusperusteita ja rekrytointimenetelmiä kuin kokeessa 1.

2.1.2 Materiaalit, suunnittelu ja menettely

Käytetyt laitteet, silmäseuranta -asetukset, materiaalit, suunnittelu ja menettely olivat samat kuin kokeessa 1, lukuun ottamatta seuraavia poikkeuksia. Osallistujat suorittivat tehtävän vain yhdessä tilassa (vaikea). Tämä kuuntelutehtävä sisälsi yhteensä 120 kokeilua ja kesti noin 35–40 minuuttia. Osallistujat suorittivat tehtävän jatkuvasti (eli ilman taukoa) .6 6 Huomaa kuitenkin, että kilpailevaa puhujan ärsykettä ei toistettu jatkuvasti taustalla. Kuten kokeessa 1, maskin ärsyke alkoi jokaisen kokeilun alussa ja päättyi juuri ennen puheen toistoa. Kaksi stimulaattorilistaa luotiin, ja osallistujat valittiin satunnaisesti yhteen kahdesta luettelosta. Luettelo 1 koostui samoista 120 kokeessa 1 käytetystä IEEE -lauseesta. cd/m 2 osallistujien epämukavuuden vähentämiseksi. Kaksi käytännön kokeita annettiin käyttäen kahta samaa IEEE -lausetta kuin kokeen 1 kovan käytännön kokeissa. Kaikki kolme subjektiivista luokitusasteikkoa annettiin toisen harjoittelututkimuksen jälkeen perusviivojen määrittämiseksi. Keskimääräinen mukautettu SNR -arvo pääolosuhteissa (kova) oli -8,6 dB (SD = 1.88).

2.1.3 Analyysi

Pienet erot siinä, miten tulosmittaukset annettiin ja/tai pisteytettiin kokeessa 2, olivat seuraavat. Ponnistelujen ja suorituskyvyn arvioinnin subjektiiviset arvosanat annettiin joka viides koe, jolloin tuloksena oli yhteensä 24 luokitusta jokaisella asteikolla. Keskimääräiset ponnistelut ja suorituskyvyn arviointipisteet laskettiin siten keskimäärin joka neljän (kahden sijasta) vastauksen perusteella. Esimerkiksi lohkon 1 ponnistus- ja suorituskyvyn arviointiluokitukset heijastivat keskimääräisiä ponnisteluja ja suorituskyvyn arviointiluokituksia, kuten on osoitettu kokeiden 5, 10, 15 ja 20 jälkeen. Subjektiivisia arvioita kuuntelun väsymyksestä annettiin 20 tutkimuksen välein (yhteensä kuusi arviointia). Väsymys subjektiivisen arviointiasteikon kuuntelemisesta annettiin kuuntelutehtävän alussa (eli ennen ensimmäistä kokeilua), ja tätä pistettä käytettiin analyysin lähtökohtana. Yhteenvetona voidaan todeta, että kukin kokeilun 2 kuudesta lohkosta heijasti pisteitä keskimäärin 20 (eikä 10) kokeessa. Käytettiin samoja oppilastietojen esikäsittelytekniikoita kuin kokeessa 1. Kuitenkin tällä kertaa yhden kohteen (s17) tiedot poistettiin, koska 72/120 tutkimusta oli & gt25% puuttuvia tietoja. Jäljellä olevasta tietojoukosta yhteensä 46 tutkimusta (2% kaikista tietojoukon kokeista) poistettiin analyysistä, koska & gt25% puuttui näytearvoja. Jokaiselle riippuvalle muuttujalle suoritettiin yksisuuntaiset toistetut mittaukset ANOVA-arvot lineaarisen kehityksen tarkastamiseksi ajan mittaan.

2.2 Tulokset

2.2.1 Puheentunnistus

Kuva 4 (vasen paneeli) havainnollistaa puheentunnistuksen suorituskyvyn tarkkuuden yleisen muutoskuvion lohkon funktiona. Lohkolla ei ollut merkittävää päävaikutusta lineaariseen termiin, (F(1,19) = 0.004, s = 0,95, osittainen η 2 & lt 0,001), keskimääräinen puheentunnistuskyky ei osoita lineaarisia muutoksia ajan mittaan.

2.2.2 TEPR

Kuva 4 (oikea paneeli) havainnollistaa keskimääräisen TEPR -muutoksen yleistä mallia lohkon funktiona. Lohkolla oli merkittävä päävaikutus lineaariseen termiin, (F(1,18) = 35.54, s & lt .001, osittainen η 2 = 0,66). Keskimääräinen TEPR osoitti yleistä lineaarista laskua ajan myötä.

2.2.3 Subjektiiviset arviot

Kuvassa 5 esitetään yleinen tulosten malli jokaisesta kolmesta subjektiivisesta arvosanasta (ponnistus, väsymys kuuntelusta ja suorituskyvyn arviointi) lohkon funktiona. Keskimääräisen ponnistusluokituksen osalta lohkolla ei ollut merkittävää päävaikutusta lineaariseen termiin, (F(1,19) = 0.65, s = 0,43, osittainen η 2 = 0,03), ja keskimääräiset ponnistelut eivät osoita lineaarisia muutoksia ajan mittaan. Kuunteluarvioiden keskimääräisen väsymyksen vuoksi estolla oli merkittävä päävaikutus lineaariseen termiin, (F(1,19) = 77.61, s & lt .001, osittainen η 2 = 0,80). Keskimääräinen väsymys kuunteluarvioista osoitti yleistä lineaarista nousua ajan myötä. Keskimääräisen suorituskyvyn arviointiluokituksen osalta lohkolla ei ollut merkittävää päävaikutusta lineaariseen termiin, (F(1,19) = 0.41, s = .53, osittainen η 2 = 0,02), ja keskimääräiset suorituskyvyn arviointiluokitukset eivät osoita lineaarista muutosta ajan myötä.

2.2.4 Korrelaatiot

Rmcorr

Rmcorr -analyysit tehtiin riippuvien muuttujien välisten yhteyksien tutkimiseksi yksilön tasolla. Tutkimme kaikki mahdolliset pareittain korrelaatiot viiden riippuvaisen muuttujan välillä (ponnistelut, väsymys kuunteluarvioista, suorituskyvyn arviointiluokitus, puheentunnistuskyky ja TEPR), minkä tuloksena saatiin yhteensä 10 testiä. Käytettiin Bonferronilla korjattua alfa-kriteerin merkitsevyystasoa .005 (.05/10).

Kuvio 6 esittää tärkeimpien korrelaatiotestien rmcorr -hajontakaaviot. Taulukossa 2 esitetään rmcorr-kertoimet kohteen sisäisten korrelaatiotestien osalta kaikkien tulosmittausten välillä. Ensinnäkin keskimääräisen TEPR: n muutokset osoittivat merkittävän negatiivisen korrelaation kuunteluarvioiden keskimääräisen väsymyksen muutosten kanssa. Pienemmät TEPR: t osuivat samaan aikaan kuunteluarvioiden lisääntyneen väsymyksen kanssa. Muutokset keskimääräisessä TEPR -arvossa eivät kuitenkaan korreloineet keskimääräisten pyyntiponnistusten muutosten kanssa. Samoin ei havaittu merkittävää yhteyttä keskimääräisten ponnistusarvojen muutosten ja kuunteluarvioiden keskimääräisen väsymyksen muutosten välillä eikä keskimääräisen TEPR: n ja puheentunnistuksen välillä. Lopuksi, kuuntelun väsymyksen muutokset eivät liittyneet keskimääräiseen puheentunnistuksen suorituskykyyn tai keskimääräiseen suorituskyvyn arviointiin.

1 2 3 4
1. TEPR
2. Ponnistusluokitus .03 [−.18, .23]
3. Väsymys kuuntelusta −.48 [−.63, −.31] .17 [−.02, .36]
4. Suorituskyvyn arviointiluokitus .11 [−.09, .31] −.71 [−.80, −.60] −.21 [−.39, −.01]
5. Puheentunnistus .05 [−.16, .25] −.49 [−.62, −.32] .11 [−.30, .09] .59 [.44, .70]

2.3 Keskustelu

Kokeella 2 pyrittiin tutkimaan tarkemmin yksilöiden sisäisiä yhteyksiä TEPR: n, subjektiivisten ponnistelujen ja kuuntelun väsymyksen sekä suorituskyvyn arvioinnin välillä. Ensinnäkin löysimme todisteita "resurssien ehtymisen" puolesta TEPR: n ja kuunteluun liittyvän väsymyksen välisestä suhteesta. Jälleen kerran ei havaittu yhteyttä TEPR: n muutosten ja subjektiivisten ponnistelujen välillä. Toisin kuin kokeessa 1, subjektiivisten ponnistelujen ja kuuntelun väsymyksen välillä ei havaittu merkittävää aiheen sisäistä yhteyttä (mahdollisia syitä käsitellään yleisessä keskustelussa). Emme löytäneet merkittävää aiheeseen liittyvää yhteyttä kuuntelun ja puheentunnistuksen suorituskyvyn välillä, mikä viittaa siihen, että kuuntelun väsymyksellä ei ollut haitallista vaikutusta tehtävien suorittamiseen (Hockey, 2013). Lopuksi todisteet kuuntelun väsymyksen ja suorituskyvyn arviointiluokitusten välisestä yhteydestä olivat heikompia (ja merkityksettömiä) tässä kokeessa (r = −21) verrattuna kokeeseen 1 (r = −.42). Näiden ristiriitaisten tulosten mahdollisia syitä käsitellään myös yleisessä keskustelussa.


Tulokset

Käyttäytymistiedot

Bidelman et ai. (2019b) kuvaa täysin käyttäytymistuloksia. Kuvio 1A esittää yksittäisten puhevaltuuksien spektrogrammeja ja kuvio 1B esittää käyttäytymistunnistustoimintoja SNR: ien välillä. Kaltevuusanalyysi (β1) paljasti SNR: n päävaikutuksen [F2,28 = 35.25, s < 0,0001] (Kuva 1C). Post hoc kontrastit vahvistivat, että vaikka 0 dB SNR ei muuttanut psykometrisiä kulmia suhteessa peittämättömään puheeseen (s = 0,33), psykometrinen toiminto muuttui matalammaksi ja 𢄥 dB SNR suhteessa 0 dB SNR (s < 0,0001). Lisäksi SNR muutti havaintorajaa hieman, mutta merkittävästi [F2,28 = 5.62, s = 0,0089] (kuva 1D). Piilotettuun puheeseen nähden 𢄥 dB SNR -puhe muutti havaintorajaa oikealle (s = 0,011), mikä viittaa pieneen, mutta mitattavissa olevaan harhaanjohtavuuteen raportoida “u ” (eli useammin vw1-2-vastauksia), kun kohina ylittää signaalin. Yhdessä nämä tulokset viittaavat siihen, että kategoriset esitykset kestävät suurelta osin akustisia häiriöitä, kunnes kohinan signaalin voimakkuus ylittää puheen.

Kuvio 1. Spektrogrammit ja käyttäytymispuheen luokittelu kolmella signaali-kohinasuhteen tasolla (SNR). (A) Yksittäisten puhemerkkien spektrogrammit. (B) Aistinvaraiset psykometriset toiminnot. Huomaa, että käyrät ovat peilisymmetrisiä, mikä heijastaa “u ” (vasen käyrä) ja 𠇊 ” -tunnistuksen (oikea käyrä) prosenttiosuutta. (C) Rinteet ja (D) havaintorajan sijainnit osoittavat, että puheen luokittelu on vankka jopa 0 dB: n SNR -arvoon asti. (E) Puheen luokittelunopeudet (RT) osoittavat selkeää hidastuvaa merkintöjen (Pisoni ja Tash, 1974 Bidelman ja Walker, 2017) epäselviä tunnuksia (keskipiste) suhteessa yksiselitteisiin (päätepisteet) paljastamattomissa ja 0 dB: n SNR -olosuhteissa. Luokittelutarkkuus ja nopeus heikkenevät meluhäiriöiden vaikutuksesta, kunnes SNR -arvot ovat vakavasti heikentyneet. Tiedot kopioitu Bidelman et al. (2019b). Spektrogrammi toistettu julkaisusta Bidelman et ai. (2014), John Wileyn ja#x0026 Sonsin luvalla. virhepalkit = ± SEM.

Käyttäytymisvasteajat (RT) osoittavat luokittelun nopeuden (kuva 1E). RT vaihteli SNR: n mukaan [F2,200 = 11.90, s < 0.0001] ja merkki [F4,200 = 5.36, s = 0,0004]. RT: t olivat samanlaisia ​​paljastamattomille ja 0 dB: n SNR -puheille (s = 1.0) mutta hitaampi 𢄥 dB SNR (s < 0,0001). A priori kontrastit paljastivat, että tämä hidastuminen oli merkittävintä kategorisemmilla tunnuksilla (vw1-2 ja vw4-5). Epäselvät tunnukset (vw3) saivat aikaan samanlaisia ​​RT -ääniä meluolosuhteissa (ss > 0.69). Tutkimme, saivatko olosuhteet aikaan tavanomaisen hidastumisen RT: ssä lähellä jatkuvuuden keskipistettä (Pisoni ja Tash, 1974 Poeppel ym., 2004 Bidelman et ai., 2013). Suunnitellut kontrastit paljastivat tämän CP -tunnusmerkin paljastamattomille [keskiarvo (vw1,2,4,5) vs vw3 s = 0,0003] ja 0 dB SNR (s = 0.0061) olosuhteissa, mutta ei 𢄥 dB SNR (s = 0.59).

Pillometrian tiedot

Kuvio 2 esittää suuret keskimääräiset oppilaan aaltomuodot kullekin puhemerkille ja SNR: lle sekä vastaukset, jotka vastakkain ovat yksiselitteisesti [keskiarvo (vw1, vw5)] ja epäselvät (vw3) -merkit. Visuaalisesti tiedot osoittivat, että sekä SNR että puhekategorinen tila moduloivat oppilasvasteita. Näiden vaikutusten kvantifioimiseksi yhdistimme yksiselitteisten merkkien (vw1 ja vw5) (ne, joilla on vahvempi luokkaidentiteetti) oppilaan halkaisijan (enimmäis) halkaisijan ja latenssin ja verrattiin niitä epäselvään vw3 -merkkiin (Liebenthal et ai., 2010 Bidelman, 2015 Bidelman ja Walker, 2017). Kuvio 3 esittää keskimääräiset piikin oppilashalkaisijat ja latenssit SNR: n ja käyttäytymistason mukaan.

Kuva 2. Suuret keskimääräiset aaltomuodot oppilaan vastauksille. Keskimääräiset vastaukset kullekin merkkiehtoon kullakin SNR -tasolla: (A) paljastamaton, (B) 0 dB SNR, (C) 𠄵 dB SNR -olosuhteet. Oppilaan huippuhalkaisija ja 300-700 ms: n hakuikkunan välinen latenssi uutetaan lisäanalyysiä varten. Suuret keskimääräiset aaltomuodot oppilaiden vastauksille, jotka vastaavat kategorisia [keskiarvoja (vw1, vw5)] vs. epäselviä (vw3) -merkkejä kullakin SNR -tasolla. (D) Paljastamaton, (E) 0 dB SNR, (F) 𠄵 dB SNR -olosuhteet. Oppilaiden vastaukset moduloidaan SNR: n ja tunnuksen identiteetin avulla. varjostus = 1 SEM.

Kuva 3. Oppilaan huippujen keskimääräiset halkaisijat ja latenssit SNR: n mukaan. (A) Suurempi pupillikoko havaitaan 0 dB SNR: ssä suhteessa paljastamattomaan ja 𠄵 dB SNR: ään. (B) Oppilaan huippuhalkaisija on kohonnut 0 dB SNR: ään verrattuna kahteen muuhun tilaan. (CD) Yleensä 𠄵 dB puhe näyttää kolmen tilan pisimmän huippuviiveen. Oppilaiden vastaukset viivästyvät 0 dB: n SNR -puheen ja kategorisesti epäselvän puheen osalta (eli vw3 > vw1/5). virhepalkit = 1 SEM.

ANOVA paljasti SNR: n ainoan pääasiallisen vaikutuksen pupillien huippukokoon [F2,196 = 6.69, s = 0,0015] ilman tunnusta [F4,196 = 0.53, s = 0.7157] ei tunnusta ja#x2217 SNR -vuorovaikutusvaikutusta [F8,196 = 0.16, s = 0,9959] (kuva 3A). Suunnitellut oppilaan koon kontrastit pareittain SNR: ien välillä osoittivat, että vain peittämätön puhe poikkesi SNR -puheesta. Erityisesti pupillin halkaisija kasvoi, kun puhe luokiteltiin kohtalaiseen häiriöön (eli 0 dB > paljastamatta) s = 0,0007), mutta ei eronnut lisääntyneestä melutasosta (eli 0 dB = 𢄥 dB s = 0,0794) (kuva 3B).

ANOVA oppilaan latenssista paljasti, että SNR moduloi voimakkaasti oppilaan vasteaikaa [F2,196 = 4.60, s = 0,0112], samoin kuin tunnuksen yksiselitteisyys [F4,196 = 3.25, s = 0,0130] (kuvat 3C, D). Ei tunnusta ja#x2217 SNR -vuorovaikutusvaikutusta [F8,196 = 0.94, s = 0,4827]. Seurantakontrastit paljastivat samanlaiset viiveet peittämättömälle ja 0 dB: n puheelle (s = 0,5379), mutta pidempi viive taajuudella 𢄥 dB suhteessa 0 dB puheeseen (s = 0,0061). RT -tietojen rinnakkain a priori kontrastit paljastivat käyttäytymistietojen kanssa samanlaisen & käännetyn V-muotoisen ” -mallin 𠅊 hidastaa vasteen ajoitusta epäselväksi suhteessa yksiselitteisiin tunnuksiin 0 dB SNR: ssä [keskiarvo (vw1,2,4,5) vs vw3 s = 0,0244]. Peittämätön ja 𢄥 dB puhe ei osoittanut tätä mallia (ps > 0,27).

Jotta voisimme testata tarkemmin, onko käyttäytyminen moduloinut silmien käyttäytymistä, analysoimme jokaisen kuuntelijan yhden koekierroksen vw3-oppilaan vastaukset, jotka perustuvat (i) käyttäytymiseen liittyvien RT: n mediaanijakaumaan nopeisiin ja hitaisiin vastauksiin (kuvat 4A 𠄾) ja (ii) vokaali luokkaan (esim. 𠇊 ” vs. “u ”) (kuvat 4F –J). Tämä johti � -kokeisiin kullekin keskiarvolle. Huolimatta siitä, että vw3 -oppilaiden latenssit olivat saaneet aikaan identtisen (vaikka havainnollisesti bistabiilin) ​​akustisen ärsykkeen, he riippuivat voimakkaasti kuuntelijoiden nopeudesta ja#x2019 päätöksestä [F1,70 = 6.74, s = 0,0115]. Hitaat RT: t liittyivät oppilaan hitaampiin vastauksiin epäselvään merkkiin (kuva 4E). Oppilaan koko ei ollut riippuvainen RT: stä [SNR, nopeus ja SNR × nopeustehosteet: ps ≥ 0,0585] (kuva 4D). Jaettu kuuntelijoiden ja#x2019 -tunnisteiden mukaan (eli vw3 ilmoitettiin nimellä “u ” vs.F2,70 = 3.78, s = 0,0275]. Oppilaiden vasteet olivat jälleen suurimmat 0 dB: n SNR -puheelle verrattuna muihin kohinaolosuhteisiin (kuva 4I). Nämä tiedot paljastavat, että samanlaisissa puheen epäselvyyksissä oppilaiden vastaukset moduloidaan kuuntelijoiden nopeuden ja#x2019 käyttäytymisluokittelun mukaan. Huomaa, että tämä on ristiriidassa EEG -havaintojen kanssa samoille ärsykkeille, jotka osoittavat, että aivojen sähköinen toiminta erottaa epäselvän puheen riippuen kuuntelijoiden ’ subjektiivisesta raportista (eli vw3, joka on kuunneltu nimellä “u ” vs. 𠇊 ”) (Bidelman et al., 2013).

Kuva 4. Oppilaan vastauksen viive, mutta ei koko riippuu kuuntelijoiden nopeudesta ja#x2019 päätöksestä. Suuret keskimääräiset aaltomuodot oppilaan vasteille vw3: lle perustuen (A 𠄾) käyttäytymiseen liittyvien RT: iden jakautumisen mediaani ja (F –J) ilmoitettu vokaaliluokka (esim. 𠇊 ” vs. “u ”). (E) Oppilaiden viiveet riippuvat vahvasti kuuntelijoiden nopeudesta ja#x2019 päätöksestä. Hitaat RT: t liittyvät hitaampiin oppilaiden vastauksiin epäselviin merkkeihin. (D) Oppilaan koko ei ole riippuvainen RT: stä. (Minä) SNR: llä on yksinomaan vaikutus oppilaan vasteen suuruuteen, kun se jaetaan kuuntelijoiden ja#x2019 -tunnistuksen mukaan (eli raportoidaan vw3 nimellä “u ” vs. 𠇊 ”). Oppilaiden vasteet ovat jälleen suurimmat 0 dB: n SNR -puheelle verrattuna muihin kohinaolosuhteisiin.


Päätelmät

Analysoimalla oppilaiden halkaisijoita paljastimme, että ADHD liittyy suureen pupillin halkaisijaan ja dynaamiseen pupillin halkaisijan käyttäytymisen monimutkaisuuteen ja symmetrisyyteen. Lisäksi näiden tekijöiden yhdistelmä koneoppimisella parantaa ADHD -tunnistuksen tarkkuutta. Ehdotetun arviointimenetelmän ja havaintojemme soveltaminen voi helpottaa työkalujen kehittämistä auttamaan ADHD -diagnoosissa oppilaan halkaisijan perusteella. Koska ne voivat osoittaa aivotoiminnan ja psyykkisten häiriöiden puutteita, menetelmiämme voidaan käyttää muihin patologioihin.


Sisällys

Ihmisillä ja monilla eläimillä (mutta harvoilla kaloilla) oppilaan kokoa ohjataan tahattomalla iiriksen supistumisella ja laajentumisella silmään tulevan valon voimakkuuden säätelemiseksi. Tätä kutsutaan pupillirefleksiksi. Normaalissa huonevalossa terveen ihmisen oppilaan halkaisija on noin 3-4 millimetriä, kirkkaassa valossa oppilaan halkaisija on noin 1,5 millimetriä ja hämärässä valoa halkaisija suurennetaan noin 8 millimetriin. Oppilaan kaventuminen johtaa suurempiin polttoväleihin. (katso tarkempi kuvaus aukosta)

Oppilaan muoto vaihtelee lajien välillä. Yleiset muodot ovat pyöreitä tai raon muotoisia, vaikkakin monimuotoisempia muotoja löytyy vesilajeista. Syyt muodon vaihteluun ovat monimutkaisia, koska muoto liittyy läheisesti linssin optisiin ominaisuuksiin, verkkokalvon muotoon ja herkkyyteen sekä lajin visuaalisiin vaatimuksiin.

Raon muotoisia oppilaita löytyy lajeista, jotka ovat aktiivisia erilaisilla valotasoilla. Voimakkaassa valossa pupilli supistuu ja on pieni, mutta sallii silti valon heittämisen suuren osan verkkokalvolle.

Raon suunta voi liittyä liikesuuntaan, jonka silmän on havaittava kaikkein herkimmin (joten pystysuora pupilli lisäisi pienen kissan silmien herkkyyttä hiirien vaakasuoralle rypistymiselle). Mitä kapeampi pupilli, sitä tarkempi perifeerisen näkökyvyn syvyyshavainto on, joten sen kaventaminen yhteen suuntaan lisäisi syvyyden havaitsemista kyseisellä tasolla. ΐ ] Eläimet, kuten vuohet ja lampaat, ovat saattaneet kehittää vaakasuoria oppilaita, koska parempi näkemys pystytasossa voi olla hyödyllistä vuoristoympäristössä. Α ]

Monilla käärmeillä, kuten boasilla, pythonilla ja viperillä, on pystysuorat, raon muotoiset pupillit, jotka auttavat heitä metsästämään saalista monissa valaistusolosuhteissa. Pienillä kissoilla ja ketuilla on myös raon muotoiset pupillit, kun taas leijonilla ja susilla on pyöreät pupillit, vaikka he ovat samassa perheessä. Jotkut olettavat, että tämä johtuu siitä, että viilto -oppilaat ovat hyödyllisempiä eläimille, jotka metsästävät pientä saalista kuin suurta saalista. Β ]


Materiaalit ja menetelmät

Aiheet

Rekrytoimme yhteensä 62 koehenkilöä (42 naisikäistä (keskiarvo ± SD): 25,53 ± 4,04) kolmeen ryhmään (25 ensimmäisessä, 26 toisessa ja 11 viimeisessä). Kaikki olivat opiskelijoita Pisan tai Firenzen yliopistosta vähintään kolmannen vuoden aikana. Kaikki ilmoittivat normaalin tai normaaliksi korjatun näön, eikä niillä ollut diagnosoitu neurologista tilaa. Tutkimukseen rekrytoitujen osallistujien määrä valittiin tarjoamaan suuri vaikutuskoko, kuten a priori tehoanalyysi osoittaa (vaikutuksen koko: 0,50, α = 0,05, kaksihäntäinen), joka paljastaa, että tehon saavuttamiseksi (1-β ) 0,8, otoskoko 26 koehenkilöä tarvittiin.

Kokeelliset menettelyt hyväksyi alueellinen eettinen komitea [Comitato Etico Pediatrico RegionaleAzienda Ospedaliero-Universitaria Meyer-Firenze (FI)].

AQ -pisteet

Kaikki osallistujat täyttivät Autistic-traits Quotient -kyselylomakkeen, joka annettiin itse vahvistetulla italialaisella versiolla (Baron-Cohen et ai., 2001 Ruta et al., 2012). Tämä sisältää 50 kohdetta, jotka on ryhmitelty viiteen osa -asteikkoon: huomionvaihto, huomio yksityiskohtiin, mielikuvitus, viestintä ja sosiaaliset taidot. Osallistujat lukivat jokaiselle kysymykselle lausunnon ja valitsivat, missä määrin väite parhaiten kuvaili heitä: '' täysin samaa mieltä '', '' hieman samaa mieltä '', '' hieman eri mieltä '' ja '' täysin eri mieltä '' ( Italialainen). Kohteet pisteytettiin alkuperäisellä paperilla kuvatulla vakiomenetelmällä (Baron-Cohen et al., 2001): 1 kun osallistujan vastaus oli ASD: lle ominaista (hieman tai voimakkaasti), 0 muuten. Kokonaispisteet vaihtelivat välillä 0 ja 50, ja korkeammat pisteet osoittavat korkeampia autistisia piirteitä. Kaikki testatut saivat alle 32 pisteen, mikä on kynnys, jonka yläpuolella kliinistä arviointia suositellaan (Baron-Cohen et al., 2001). Pisteiden keskiarvo (SD) oli 14,85 (6,73). Pisteet jakautuivat normaalisti (ks. Kuva 3D) mitattuna Jarque-Beran komposiittitason normaalitesti (JB = 1,42 p = 0,37).

Laitteet

Koe suoritettiin hiljaisessa huoneessa, jossa oli 100 luxin valaistus. Koehenkilöt istuivat näyttöruudun edessä 41 × 30 asteen kulmassa 57 cm: n etäisyydellä, ja heidän päänsä oli vakautettu leuatukilla. Katselu oli kiikari. Stimuleja luotiin PsychoPhysics Toolbox -rutiineilla (Brainard, 1997 Pelli, 1997) MATLABille (MATLAB r2010a, The MathWorks) ja ne esitettiin 22 tuuman CRT-värinäytöllä (120 Hz, 800 × 600 pikseliä Barco Calibrator), jota ohjaa Macbook Pro Retina (OS X Yosemite, 10.10.5). Kaksiulotteista silmien asentoa ja pupillin halkaisijaa seurattiin joko CRS LiveTrack -järjestelmällä (Cambridge Research Systems) 60 Hz: llä tai Eyelink1000 Plus -laitteella (SR Research) 1000 Hz: llä. Vahvistimme, että vaikka näillä kahdella järjestelmällä on erilainen tarkkuus ja tarkkuus, ne antoivat vertailukelpoisia tuloksia kokeissamme. Molemmat järjestelmät käyttävät näytön alapuolelle asennettua infrapunakameraa. Oppilaan halkaisijamitat muutettiin pikseleistä millimetreiksi sen jälkeen, kun seurantalaite oli kalibroitu keinotekoisella 4 mm: n pupillilla, joka oli sijoitettu kohteen vasemman silmän likimääräiseen kohtaan. Silmien sijainnin tallenteet linearisoitiin standardin 9-pisteen kalibrointirutiinilla, joka suoritettiin jokaisen istunnon alussa.

Ärsykkeet ja menettely

Osallistujien eri osajoukot osallistuivat neljään kokeeseen (tärkeimmät, vaihdetut liikesuunnat, ominaisuuspohjainen huomio, kaksitehtävä). Pääkokeeseen rekrytoimme yhteensä 51 osallistujaa, joista yksi suljettiin pois (katso alla). Rekrytoimme ja testasimme heidät kahteen ryhmään (aiheet 1–25 ja 26–51), jotka oli tarkoitettu itsekuvauksiksi, joissa kussakin oli 25 osallistujaa (yhden osallistujan poissulkemisen jälkeen alla kuvattujen kriteerien perusteella). Kokeet alkoivat tutkittavilla, jotka kiinnittivät harmaan taustan keskellä olevan pisteen (halkaisija 0,15 °) (12,4 cd/m 2). Ärsyke käsitti keskelle sijoitetun 8 × 14 ° suorakulmion, joka näytti olevan lieriö, joka pyörii pystyakselinsa ympäri (kuva 1A). 3D -illuusio syntyi esittämällä yhteensä 300 satunnaisesti sijoitettua pistettä (kukin halkaisijaltaan 0,30 °), jotka liikkuvat virtuaalisen pystysuoran akselin ympäri kulmanopeudella 60 astetta/s (10 kierrosta minuutissa): lineaarinen nopeus seurasi kosinifunktiota, 3,9 °/s näytön keskellä. Pisteet olivat mustia (0,05 cd/m2), kun ne liikkuivat oikealle (puolet kerrallaan) ja valkoisia (55 cd/m2), kun ne liikkuivat vasemmalle. Tuloksena oleva ärsyke oli yhteensopiva kahden havainnollisen tulkinnan kanssa: sylinteri, joka pyörii vastapäivään (ylhäältä katsottuna) ja jonka musta pinta on edessä ja valkoinen pinta takana tai myötäpäivään, valkoinen pinta edessä, musta pinta takana. Kaksi havaintotulkintaa vaihtuivat spontaanisti kaikissa osallistujissa, jotka raportoivat jatkuvasti havainnostaan ​​(sylinterin kiertäminen myötä- tai vastapäivään) joko pitämällä yhtä näppäimistön nuolinäppäimiä painettuna tai ohjaussauvalla. Epävarmoille tai sekaville käsityksille ei ollut vastauspainiketta: Koehenkilöitä kehotettiin raportoimaan, mikä näistä kahdesta havainnosta oli hallitseva, jos epäillään. Ärsykettä pelattiin kymmenessä 59 sekunnin kokeessa, joiden aikana osallistujat raportoivat jatkuvasti, oliko kierto myötä- tai vastapäivään. Osallistujia kehotettiin minimoimaan silmänräpäykset ja pitämään katseensa kiinnityspisteessä koko ajan, paitsi 1 sekunnin kokeiden välisen tauon aikana, johon liittyi kiinnityskohdan värin muutos (joka muuttui punaisesta mustaksi). Jokainen osallistuja suoritti vähintään kolme juoksua yhdessä istunnossa.

Alinäyte, jossa oli 27 osallistujaa (19 ensimmäisestä osallistujaryhmästä, 4 toisesta ryhmästä, 4 viimeisestä ryhmästä, yksi poissuljettu alla kuvatulla tavalla), testattiin myös vaihdetun liikesuunnan kokeessa - sama kuin 'kokeilu, paitsi että mustat pisteet liikkuivat vasemmalle ja valkoiset pisteet oikealle.

Pieni osajoukko (N = 10) testattiin uudelleen samoilla ärsykkeillä ja menettelyillä kuin "pääkokeessa", mutta eri ohjeilla. Niiden tarkoituksena oli nimenomaan kannustaa huomion maailmanlaajuiseen tai paikalliseen jakautumiseen. Kahdessa erillisessä istunnossa (satunnaisessa järjestyksessä) osallistujia kehotettiin joko "yrittämään molempien pintojen hoitamista ja nähdä sylinterin pyörivän yhtenä yksikkönä" (rohkaisee maailmanlaajuista katselua) tai "keskittämään huomio pelkästään etupintaan" (rohkaiseva paikallinen katselu). Jokainen istunto kesti noin 20 minuuttia ja sisälsi kaksi kymmentä koetta.

Toinen 25 osallistujan alinäyte (6 ensimmäisestä ryhmästä, 9 toisesta ryhmästä, 10 viimeisestä, jotka valittiin käytettävyyteen toiseen testausistuntoon) osallistuivat kaksoistehtäväkokeeseen, jossa oli sama koerakenne kuin "tärkein" kokeilu. Ensisijainen tehtävä ei muuttunut, ja osallistuja ilmoitti, havaitsivatko he sylinterin pyörimistä myötä- tai vastapäivään (käyttämällä ohjaussauvaa näppäimistön sijaan häiriöiden minimoimiseksi toissijaiseen tehtävään). Samaan aikaan hienoja nopeuden lisäyksiä (1 kuvan kesto, 600 asteen/s kulmanopeuden lisäys) tapahtui joko mustille tai valkoisille pisteille (jotka muodostavat etu- tai takapinnan osallistujan käsityksen mukaan) keskimäärin joka 3. s (2 s nopeuden lisäysten vähimmäisetäisyys). Osallistujia pyydettiin painamaan välilyöntiä heti, kun he havaitsivat nopeuden lisäyksen (kummallakin pinnalla). Mikä tahansa tangon puristus 2 sekunnin sisällä nopeuden lisäyksestä laskettiin osumaksi. Mikä tahansa tanko, joka tapahtui yli 2 sekunnin päässä nopeuden muutoksesta, laskettiin vääräksi hälytykseksi. D-prime-arvot laskettiin z-muunnetuista osumista ja vääristä hälytyksistä erikseen etu- ja takapinnalla esiintyville nopeuden lisäyksille. Kutakin näistä olosuhteista hankittiin vähintään kaksi 10 koekierrosta (noin 20 minuuttia).

Lopuksi 50 osallistujaa (18 ensimmäisestä ryhmästä, 22 toisesta ryhmästä, 10 viimeisestä) testattiin ominaisuuspohjaisen huomion kokeessa. Kokeet kestivät vain 10 sekuntia. Ennen ärsykettä 2 sekunnin aikana pisteitä ei näytetty ja kirjain (0,5 ° leveä, joko "B" tai "N") bianco tai nero, Italiaksi valkoiseksi tai mustaksi) näytettiin kiinnityksen aikana ja otettiin aiheita valikoivasti vain valkoisiin tai mustiin pisteisiin. Seuraavaksi tulivat kaksi pisteryhmää, jotka liikkuivat samaan suuntaan ja nopeudella kuin pääkokeessa, mutta kesti vain 6 sekuntia. Tänä aikana kerättyllä ja puhdistamattomalla pinnalla voi tapahtua 0–3 nopeuden lisäystä. Pisteiden sammuttua osallistujalla oli 2 sekuntia aikaa ilmoittaa näppäimen painalluksella, kuinka monta nopeuden lisäystä tapahtui mitatulla pinnalla, jättäen huomiotta nopeuden lisäykset koskemattomalla pinnalla. Tässä tapauksessa osallistujat eivät ilmoittaneet sylinterin havaittua pyörimissuuntaa, joka saattoi olla tai ei ehkä havaittu 3D -objektina kahden erillisen pistepilven sijasta. Osallistujat suoriutuivat selvästi sattumanvaraisesti, keskimääräinen d-prime oli 2,36 ± 0,09. Seurasimme oppilaan halkaisijaa 6 sekunnin ärsytysvälin aikana, erottaen kokeet, joissa valkoiset ja mustat pisteet laskettiin. Tämä koe tehtiin kahdessa 50 kokeen sarjassa (noin 15 minuuttia).

Analyysi

Off-line-analyysi tarkasteli silmänseurannan ulostuloa sulkeakseen pois ajankohdat, joissa oli epärealistisia oppilaskoon tallenteita (alle 1 mm, todennäköisesti vilkkumisten vuoksi tai yli 7 mm, todennäköisesti ripsien häiriöiden vuoksi). Lisäksi poissuljimme alle 1 sekunnin (usein sormivirheet) ja yli 15 sekunnin kestävät havaintavaiheet (merkintäkokeet, joissa oli liian vähän värähtelyjä bistabiliteetin mittaamiseksi).Nämä kriteerit johtivat siihen, että yksi osallistuja suljettiin pois pääkokeesta ja yksi vaihdetun liikesuunnan kokeesta (jolla oli alle 10 käyttökelpoista vaihetta), jolloin 50 osallistujaa pääkokeeseen, jonka prosenttiosuus poissuljetuista vaiheista on 27,39 ± 2,18% ja 26 osallistujaa "vaihdetulle liikesuunnalle" ja "kaksitehtäville", joissa poissuljettujen vaiheiden prosenttiosuudet olivat samanlaiset (23,32 ± 2,98% ja 22,58 ± 3,21%). Yksikään kokeita ja osallistujia ei suljettu pois ominaisuusperusteisen huomion kokeilusta.

Kaikissa kolmessa bistabiilikokeessa ("pääkokeessa", "vaihdetussa liikesuunnassa" ja "kaksitehtäväkokeissa") tummat ja valkoiset pisteet nähtiin yhtä todennäköisesti etualalla (prosenttiosuus tumman etualan havaitsemisajasta, vastaavasti: 51,85 ± 0,99%, 51,13 ± 1,43%, 51,34 ± 0,99%, ei koskaan merkittävästi eri kuin 50%).

Oppilaiden jäljet ​​jäsennettiin jaksoihin, jotka oli lukittu jokaiseen havaintokytkimeen (kun kohde muutti raportoitua käsitystä). Kohdistimme jäljet ​​kytkimeen (nolla kuvassa 1B) ja merkitsimme vaiheet havaitun pyörimissuunnan mukaan. "Ominaisuuspohjaista huomiota" koskevassa kokeessa oppilaiden jäljet ​​lukittiin ärsykkeen alkamiseen ja erotettiin sen perusteella, onko musta tai valkoinen pinta luokiteltu (kuva 2B). Kaikissa kokeissa vähenimme jokaisesta jäljestä perusviivan mittauksen oppilaan koosta, joka määritettiin keskimääräiseksi oppilaan kooksi 150 ms: ssa välittömästi ennen kytkentää tai sen jälkeen (negatiivisille ja positiivisille jälkille) tai ärsykkeen alkamiselle ominaisuuspohjaisesti huomion kokeilu. Tuloksena saadut jäljet ​​laskettiin keskimäärin kokeiden ja osallistujien kesken, erikseen molemmille havaintovaiheille (tai ominaisuusperusteisen huomiointikokeen huomio-vihjeille), kuva 1B ja kuva 2B. Näistä ja myös yksittäisistä jälkeistä määritimme kaksi yhteenvetotilastoa: oppilasjälkien ero kahden aikakauden välillä ja oppilaan jälkien keskiarvo kaikilla aikakausilla. 'Pää-', 'vaihdetun liikesuunnan' ja 'kaksitehtäväkokeiden' osalta nämä indeksit laskettiin sen jälkeen, kun oppilaiden mittaukset keskimäärin kunkin ajanjakson ensimmäisen (tai ensimmäisen ja viimeisen) 1 sekunnin aikana olivat vähimmäisvaiheen kesto. että kaikki vaiheet vaikuttavat yhtä paljon keskiarvoon. Vahvistimme kuitenkin myös päätuloksemme (korrelaatiot AQ -pisteisiin) eri aikakauden määritelmillä.

Ominaisuuspohjaisen huomion kokeessa oppilasjälkien ero kokeiden välillä, joissa valkoiset ja mustat pisteet laskettiin, laskettiin 1-3 sekunnin välein ärsykkeen alkamisesta (jossa huomion vaikutuksen odotetaan saavuttavan huippunsa [Binda et ai., 2014]).


Pillometria ja P3 indeksoivat locus coeruleus – noradrenergisen kiihotusfunktion ihmisillä

Kirjoittajat eivät ilmoita, että tässä esitetyn tutkimuksen tekemisessä ei ole eturistiriitoja. Tätä tutkimusta tuki Irlannin tieteen, tekniikan ja tekniikan tutkimusneuvosto (IRCSET) ”Embark Initiative” -apuraha, joka myönnettiin P.R.M.: lle, IRCSET Enterprise Partnership Scheme Fellowship J.H.B: lle ja IRCSET Empower Fellowship R.G.O'C: lle. Kirjoittajat tunnustavat myös rahoitustuen EU: n rakennerahastojen HEA PRTLI Cycle 3 -ohjelman ja Irlannin hallituksen kansallisen kehityssuunnitelman 2002–2006 kautta. Kiitämme Elisa Tattia avusta tietojen keräämisessä, Robert Whelania ärsykekoodauksesta ja Mark Bellgrovea arvokkaista kommenteista käsikirjoituksen varhaisesta luonnoksesta.

Abstrakti

Adaptiivisen vahvistuksen teoria korostaa locus coeruleus-noradrenergic (LC-NE) -järjestelmän keskeistä roolia tehtävien sitoutumisen säätelyssä. Ihmisillä LC-NE: n toiminnallinen dynamiikka on kuitenkin suurelta osin tuntematon. Arvioimme kahden LC-NE-aktiivisuuden psykofysiologisen ehdokkaan hyödyllisyyttä: P3-tapahtumaan liittyvä potentiaali ja oppilaan halkaisija. Elektroenkefalogrammi- ja pupillometria-tiedot kerättiin 24 osallistujalta, jotka suorittivat 37 minuutin kuulo-oddball-tehtävän. Kuten adaptiivisen vahvistuksen teoria ennustaa, prestimulus-oppilaan halkaisija osoitti käänteisen U-muotoisen suhteen P3: een ja tehtävän suorittamiseen siten, että suurimmat P3-amplitudit ja optimaalinen suorituskyky tapahtuivat samalla oppilaan halkaisijan välitasolla. Suuria vaiheittaisia ​​pupillilaajennuksia sitä vastoin saatiin aikaan heikon suorituskyvyn aikana, ja niitä seurasi uudelleen sitoutuminen tehtävään ja lisääntynyt P3 -amplitudi. Nämä tulokset tukevat viimeaikaisia ​​ehdotuksia siitä, että oppilaan halkaisija ja P3 ovat herkkiä LC-NE-moodille.


Johdanto

Päänsärky, joka johtuu pään traumaattisesta vammasta [1], joka tunnetaan myös nimellä posttraumaattinen päänsärky (PTH), on yleinen sairaus pään ja/tai kaulan vamman jälkeen. Ennuste on yleensä suotuisa, ja useimmat tapaukset ratkeavat 3–6 kuukauden kuluessa lieventävästä vammasta [2]. On kuitenkin raportoitu, että 18–22% PTH: sta kestää yli vuoden [3].

PTH on huonosti ymmärretty kokonaisuus. Kansainvälisen päänsärkyluokituksen 3 (ICHD-3) mukaan: Se määritellään päänsärkyksi, joka liittyy pään ja/tai kaulan traumaattiseen vammaan, ja päänsärky ilmoitetaan 7 päivän kuluessa [1]. PTH: n patofysiologiasta tiedetään vähän: Useita tekijöitä on ehdotettu, mukaan lukien mikrogliaalinen aktivaatio aivojen parenhyymassa, dural -tulehdus, joka liittyy syöttösolujen degranulaatioon kipuradan herkistymisen kanssa, ekstrakraniaalisten kudosten vaurioituminen ja hermoston ja aivojen rakenteiden vaurioituminen [4].

Akuutin ja pysyvän PTH: n diagnoosi perustuu mielivaltaiseen raja -arvoon, joka on 3 kuukautta päänsärkyä, yli 3 kuukautta jatkuva PTH ja alle 3 kuukautta akuutti PTH [1]. Rajoitettu näyttö on tarkastellut tekijöitä, jotka liittyvät akuutin PTH: n muuttumiseen. Aiempi väestöpohjainen tutkimus havaitsi, että traumaattinen aivovamma, alkoholin vaikutuksesta loukkaantuminen ja akuutti PTH ovat ennustaneet pysyvää PTH: ta [5]. PTH liittyy myös somaattisiin, kognitiivisiin ja psykologisiin oireisiin [6]. Tiedetään, että päänsäryn ja psyykkisten häiriöiden välillä on kaksisuuntainen yhteys [7, 8]. Ahdistusta, masennusta, mielialahäiriöitä ja itsemurhakäyttäytymistä voi esiintyä potilailla, joilla on kroonisia päänsärkyhäiriöitä [6, 8, 9]. PTH: n diagnosoinnissa myös samanaikaisesti esiintyvän lääkityksen liiallisen päänsärkyn (MOH) mahdollisuus on tärkeä näkökohta [10]. Tämän tiedon perusteella halusimme testata hypoteesin, jonka mukaan altistuminen kliinisille ennusteille, kuten lääkkeiden liikakäyttö ja psykologiset oireet, liittyy pysyvään PTH: hen verrattuna akuuttiin PTH: han. Lisäksi oletimme, että pysyvässä PTH -potilasryhmässä on luonnossa esiintyviä heterogeenisiä klustereita.

Tässä sairaalapohjaisessa tutkimuksessa tutkimme kliinisiä ennustajia, jotka voivat todennäköisemmin liittyä pysyvään ja akuuttiin PTH: hen. Mahdollisten kliinisten ennustajien tunnistamisella voi olla hoitovaikutuksia ja ne voivat antaa uskottavan selityksen sille, miksi joillekin potilaille kehittyy jatkuvaa päänsärkyä pään ja/tai kaulan vamman jälkeen. Lisäksi teimme klusterointianalyysin PTH: n luonnossa esiintyvien alaryhmien tunnistamiseksi ja vertaamme niitä akuutin ja pysyvän ICHD-3-luokitukseen.


Eri tyyppiset verkkotilat

Vaihtelevat hermostuneisuuden tilat hereillä olevissa aivoissa on ensin havaittu hereillä olevien jyrsijöiden solunsisäisessä ja paikallisessa kenttäpotentiaalissa (LFP). Ne osoittavat suuria matalien taajuuksien vaihteluja hiljaisen lepoajan aikana (Crochet ja Petersen, 2006 Poulet et ai., 2012 McGinley et al., 2015a). Vatkauksen tai liikkeen aloittaminen estää LFP: n toistuvan, hitaan (<10 Hz) komponentin ja lisää korkeamman taajuuden värähtelyjen tehoa (Poulet et ai., 2012 Eggermann et ai., 2014 McGinley et al., 2015a). Näiden havaintojen perusteella syntyi luokitus, joka erottaa tilat heräämisjaksojen aikana: synkronoidut tilat osoittavat bimodaalista, hidasta rytmistä verkkotoimintaa ja epäsynkronoidut tilat osoittavat epätavallista jatkuvaa ja nopeaa verkkotoimintaa. Koska verkkotilat ovat jatkuvia ja ohimeneviä ilmiöitä pikemminkin kuin erillisiä, kategorisia ehtoja, tällaisen kaksijakoisen luokituksen määrittäminen voi vaikuttaa liian yksinkertaiselta. Siitä huolimatta tietojen luokittelu näille heräämisalustoille voisi selittää hermosoluvasteiden vaihtelevuuden ja käyttäytymiseen liittyvät korrelaatiot jyrsijöillä (McGinley et ai., 2015a) korostaen sen soveltuvuutta. Vaikka bimodaalinen, synkronoitu toiminta liittyi yleensä lepoon (mutta ks.Hall et ai., 2014), huomaamattomaan käyttäytymiseen ja hitaampiin hermosoluvasteisiin, jatkuva epäsynkronoitu aktiivisuus osoitettiin tapahtuvan liikkeen tai tehtävän sitoutumisen aikana, mikä osoittaa nopeammin ja ajallisesti tarkemmin neuronaaliset vasteet (Crochet ja Petersen, 2006 Pachitariu et ai., 2014 McGinley et ai., 2015a Schwalm et al., 2017). Ihmisillä intrakortikaaliset elektroditallenteet hereillä olevien potilaiden hippokampuksessa, jotka saivat tulenkestävän epilepsian kirurgista hoitoa, osoittivat samanlaisia ​​tuloksia: lepotilassa hitaita aaltoja esiintyi koordinoituna hippokampuksen alueilla, kun taas aktiivisissa tiloissa kognitiivisesti vaativien tehtävien aikana esiintyi korkeataajuista toimintaa hippokampuksessa ja parahippocampal cortex (Billeke et ai., 2017). Makroskooppiset toimenpiteet osoittivat samalla tavoin vaihtelevia substraatteja ihmisen aivotoiminnassa hereillä, levossa (Scheinost et ai., 2016 Custo et al., 2017) tai tehtävän suorittamisen aikana (Coon et ai., 2016 Godwin et al., 2015).


Suurin osa tehtävistä, joita aivomme organisoivat kehossamme, suoritetaan tietoisen tietoisuutemme ulkopuolella. Hengittämisen, tasapainon ylläpitämisen ja sydämenlyönnin lisäksi näihin tehtäviin kuuluu oppilaidemme koon kasvattaminen tai pienentäminen, kun ympäristö muuttuu tummemmaksi tai vaaleammaksi. Näin voimme nähdä sekä pimeässä huoneessa että kirkkaina aurinkoisina päivinä. Vaikka oppilaan pinta -ala voi muuttua jopa kymmenkertaiseksi (Winn et ai., 1994), emme ole tietoisia pienistä liikkeistä silmälihaksissa, jotka avaavat ja sulkevat oppilaitamme.

Viimeaikaiset tutkimukset ovat maalanneet monimutkaisen ja kiehtovan kuvan siitä, mikä ohjaa näitä muutoksia oppilaan koossa. Vaikka he edustavat visuaalisen toiminnan alinta tasoa, nämä oppilasdynamiikat voivat heijastaa kehittyneitä prosesseja, jotka liittyvät läheisesti jokapäiväiseen kokemukseemme (mukaan lukien huomio, päätöksenteko ja jopa esteettiset kokemukset Binda ja Murray, 2015 Hartmann ja Fischer, 2014). Siksi oppilaiden mittauksia, joita kutsutaan myös pupillometriksi, voidaan käyttää kognitiivisten ja havaintotilojen indikaattorina. Tämä menetelmä on myös objektiivinen ja ei-invasiivinen, ja siksi sitä voidaan soveltaa monissa kliinisissä yhteyksissä. Sen avulla voimme esimerkiksi kommunikoida potilaiden kanssa, jotka kärsivät ”lukittu” -oireyhtymästä-tila, jolle on ominaista kaikkien lihasten halvaus paitsi silmän (Stoll et al., 2013).

Nyt eLifessa Marco Turi, David Burr ja Paola Binda - jotka sijaitsevat Pisan, Firenzen ja Sydneyn tutkimuslaitoksissa - raportoivat, että oppilaiden koon vaihtelut voivat antaa käsityksen kliinisistä häiriöistä (Turi et al., 2018). Tutkijat käyttivät tunnettua optisen sylinterin harhaa, joka koostuu kahdesta päällekkäisestä mustavalkoisesta pisteestä, jotka liikkuvat vastakkaisiin suuntiin 2D-tasossa (kuva 1A). Pisteiden eri nopeuksien vuoksi jokainen, joka katsoo pisteitä, näkee yleensä pyörivän 3D -sylinterin (Andersen ja Bradley, 1998 Video 1, Turi et ai., 2018). Koska tuloksena oleva illuusio kuitenkin vaikeuttaa havaita, mikä väri on edessä (ja siten pyörimissuunta), visuaalinen järjestelmämme valitsee yhden tulkinnan milloin tahansa. Tämän seurauksena havaittu pyöriminen vaihtaa suuntaa muutaman sekunnin välein (kuva 1B). Tällaisia ​​lähestymistapoja, joissa fyysinen ärsyke pysyy vakiona, mutta subjektiivinen käsityksemme muuttuu, on käytetty laajalti visuaalisen tietoisuuden taustalla olevien mekanismien tutkimiseen (Kim ja Blake, 2005).

Oppilaan koon muutokset riippuvat subjektiivisesta visuaalisesta havainnosta.

(A) Turi et ai. käytti visuaalista ärsykettä, jossa kaksi pistejoukkoa (valkoinen ja musta) liikkuivat vastakkaisiin suuntiin (ohuet nuolet). (B) Tarkkailijalle tämä ärsyke näkyy 3D-sylinterinä, joka pyörii myötäpäivään mustien pisteiden edessä (ylhäällä) tai vastapäivään valkoisten pisteiden edessä (alhaalla). Tämä havaittu pyörimissuunta vaihtuu muutaman sekunnin välein. (C) Turi et ai. havaitsi, että pupillin koko kasvoi, kun mustat pisteet näyttivät olevan edessä, ja pieneni, kun valkoiset pisteet näyttivät olevan edessä. Tämän muutoksen koko korreloi Autism-Spectrum Quotient -pistemäärän kanssa.

Seuratakseen subjektiivista havainnon muutosta osallistujat kertoivat, miten he kokivat sylinterin pyörimisen, kun taas tutkijat mitasivat oppilaan koon. Vaikka valon voimakkuus (ensisijainen oppilaan kokoon vaikuttava tekijä) pysyi vakiona, oppilaiden koko muuttui: oppilaat kasvoivat suuremmiksi, kun mustat pisteet näyttivät olevan edessä, mutta pienenivät, kun valkoiset pisteet näyttivät olevan edessä (kuva 1C).

Joillakin osallistujilla oppilaiden koko muuttui merkittävästi mustavalkoisten vaiheiden välillä, kun taas toisilla muutokset olivat vain vähäisiä. Turi et ai. paljasti, että nämä erot korreloivat vahvasti osallistujien Autism-Spectrum Quotient (AQ) -pisteiden kanssa (Baron-Cohen et al., 2001). Mitä enemmän autistisia piirteitä yksilö ilmoitti AQ -kyselylomakkeessa, sitä voimakkaammat muutokset oppilaan koossa tulivat. Tämä vaikutus muodosti noin puolet AQ -pisteiden varianssista, mikä on huomattavasti korkeampi kuin muiden aistien mittausten raportoitujen vaikutusten koot (esim. Ujiie et ai., 2015).

Turi et ai. väittävät, että oppilaan koon muutokset heijastavat sitä, miten yksilöt käsittelevät visuaalista tietoa eri tavalla. Jotkut ihmiset keskittyvät yleensä pieniin, määriteltyihin alueisiin, kuten etupintaan, kun taas toiset keskittyvät koko sylinteriin. Näin ollen ihmisillä, joilla on tarkempi keskittyminen, pitäisi olla enemmän vaihtelua oppilaan koossa, koska heidän keskittymisensä vaihtelee mustien ja valkoisten pisteiden välillä. Tämä havainto liittyy tiiviisti pitkäaikaiseen hypoteesiin, jonka mukaan autismispektrin häiriöillä olevat ihmiset keskittyvät enemmän yksityiskohtiin kuin kokonaiskuvaan (Happé ja Frith, 2006).

Turi et al. esittää vakuuttavia todisteita siitä, että oppilaan koko heijastaa subjektiivisia eroja tavalla, joka korreloi suuresti osallistujien raportoitujen autististen piirteiden kanssa. Tutkimus tarjoaa lukuisia mahdollisuuksia tutkia korkeamman tason kognitiivisia prosesseja. Tämä voi olla erityisen arvokasta, kun tutkitaan yksilöitä, joiden voi olla vaikea osallistua monimutkaisiin käyttäytymistehtäviin, kuten yksilöitä, joilla on vähäinen kielitaito tai puutteita muissa kognitiivisissa kyvyissä. Pillometria on selkeästi tehokas työkalu yksilöimään visuaalisen tiedon käsittelyn eroja ja mahdollisesti parantamaan ymmärrystämme autismin taajuushäiriöistä.


Eri tyyppiset verkkotilat

Vaihtelevat hermostuneisuuden tilat hereillä olevissa aivoissa on ensin havaittu hereillä olevien jyrsijöiden solunsisäisessä ja paikallisessa kenttäpotentiaalissa (LFP). Ne osoittavat suuria matalien taajuuksien vaihteluja hiljaisen lepoajan aikana (Crochet ja Petersen, 2006 Poulet et ai., 2012 McGinley et al., 2015a). Vatkauksen tai liikkeen aloittaminen estää LFP: n toistuvan, hitaan (<10 Hz) komponentin ja lisää korkeamman taajuuden värähtelyjen tehoa (Poulet et ai., 2012 Eggermann et ai., 2014 McGinley et al., 2015a). Näiden havaintojen perusteella syntyi luokitus, joka erottaa tilat heräämisjaksojen aikana: synkronoidut tilat osoittavat bimodaalista, hidasta rytmistä verkkotoimintaa ja epäsynkronoidut tilat osoittavat epätavallista jatkuvaa ja nopeaa verkkotoimintaa. Koska verkkotilat ovat jatkuvia ja ohimeneviä ilmiöitä pikemminkin kuin erillisiä, kategorisia ehtoja, tällaisen kaksijakoisen luokituksen määrittäminen voi vaikuttaa liian yksinkertaiselta. Siitä huolimatta tietojen luokittelu näille heräämisalustoille voisi selittää hermosoluvasteiden vaihtelevuuden ja käyttäytymiseen liittyvät korrelaatiot jyrsijöillä (McGinley et ai., 2015a) korostaen sen soveltuvuutta. Vaikka bimodaalinen, synkronoitu toiminta liittyi yleensä lepoon (mutta ks.Hall et ai., 2014), huomaamattomaan käyttäytymiseen ja hitaampiin hermosoluvasteisiin, jatkuva epäsynkronoitu toiminta osoitettiin tapahtuvan liikkeen tai tehtävän sitoutumisen aikana, mikä osoittaa nopeammin ja ajallisesti tarkemmin neuronaaliset vasteet (Crochet ja Petersen, 2006 Pachitariu et ai., 2014 McGinley et ai., 2015a Schwalm et al., 2017). Ihmisillä kortikulaariset elektroditallenteet hereillä olevien potilaiden hippokampuksessa, jotka saivat tulenkestävän epilepsian kirurgista hoitoa, osoittivat samanlaisia ​​tuloksia: lepotilassa hitaita väreilyjä esiintyi koordinoituna hippokampuksen alueilla, kun taas aktiivisissa tiloissa kognitiivisesti vaativien tehtävien aikana esiintyi korkeataajuista toimintaa hippokampuksessa ja parahippocampal cortex (Billeke et ai., 2017). Makroskooppiset toimenpiteet osoittivat samalla tavoin vaihtelevia substraatteja ihmisen aivotoiminnassa hereillä, levossa (Scheinost et ai., 2016 Custo et al., 2017) tai tehtävän suorittamisen aikana (Coon et ai., 2016 Godwin et al., 2015).


2 KOKEUS 2

  1. TEPR: n muutokset ovat joko: (a) positiivisesti jotka liittyvät kuunteluarvioiden muutoksiin ponnisteluissa ja väsymykseen (perinteinen hypoteesi) tai (b) negatiivisesti liittyy kuuntelun väsymyksen muutoksiin (resurssien ehtymisen hypoteesi).
  2. Subjektiiviset ponnistelut liittyvät positiivisesti kuunteluarvioiden subjektiiviseen väsymykseen, mikä tukee Hockeyn (2013) motivaationhallintateoriaa väsymyksen ennustamisesta, jonka mukaan väsymys vaikuttaa omaan kapasiteettivaatimusten arviointiin.
  3. Kuunteluarvioiden väsymys liittyy negatiivisesti puheentunnistuksen suorituskykyyn ja tukee ajatusta siitä, että väsymyksellä on haitallinen vaikutus tehtävien suorittamiseen (DeLuca, 2005 Hockey, 2013).

2.1 Menetelmä

Näytteen koko, kokeellinen suunnittelu, hypoteesit, tulosmittaukset ja kokeilua 2 koskeva analyysisuunnitelma rekisteröitiin etukäteen Open Science -kehykseen (https://osf.io/nya2g). Raakatiedot, ärsykkeet ja R -komentosarjat analysointia ja kuvauksia varten löytyvät osoitteesta https://osf.io/6mbk7/.

2.1.1 Osallistujat

Tähän tutkimukseen osallistui kaksikymmentä terveellistä nuorta aikuista (kaksi miestä), joiden ikä oli 18–30 vuotta. Vain osallistujat, jotka eivät olleet osallistuneet kokeeseen 1, olivat oikeutettuja osallistumaan kokeeseen 2. Hopstaken et al. (2015) raportoi Pearsonin taudista r TEPR: n ja subjektiivisen väsymyksen välinen korrelaatio tutkimuksessaan.Perustuu tehon arvioihin keskivaikutuksen koon havaitsemiseksi käytettäessä toistettujen mittausten korrelaatiotekniikkaa (rmcorr) k = 6 (ks. Kuva 4 Bakdash & Marusich, 2017), laskimme, että 20 osallistujan otoskoon pitäisi antaa & gt80% voimaa havaita yhteys näiden muuttujien välillä, jos sellainen esiintyy normaalilla .05 alfa -virheen todennäköisyydellä. Kaikilla osallistujilla kuulokynnykset olivat ≤ 20 dB 0,5–4 kHz: n korvalla kummassakin korvassa. Muuten käytettiin samoja kelpoisuusperusteita ja rekrytointimenetelmiä kuin kokeessa 1.

2.1.2 Materiaalit, suunnittelu ja menettely

Käytetyt laitteet, silmäseuranta -asetukset, materiaalit, suunnittelu ja menettely olivat samat kuin kokeessa 1, lukuun ottamatta seuraavia poikkeuksia. Osallistujat suorittivat tehtävän vain yhdessä tilassa (vaikea). Tämä kuuntelutehtävä sisälsi yhteensä 120 kokeilua ja kesti noin 35–40 minuuttia. Osallistujat suorittivat tehtävän jatkuvasti (eli ilman taukoa) .6 6 Huomaa kuitenkin, että kilpailevaa puhujan ärsykettä ei toistettu jatkuvasti taustalla. Kuten kokeessa 1, maskin ärsyke alkoi jokaisen kokeilun alussa ja päättyi juuri ennen puheen toistoa. Kaksi stimulaattorilistaa luotiin, ja osallistujat valittiin satunnaisesti yhteen kahdesta luettelosta. Luettelo 1 koostui samoista 120 kokeessa 1 käytetystä IEEE -lauseesta. cd/m 2 osallistujien epämukavuuden vähentämiseksi. Kaksi käytännön kokeita annettiin käyttäen kahta samaa IEEE -lausetta kuin kokeen 1 kovan käytännön kokeissa. Kaikki kolme subjektiivista luokitusasteikkoa annettiin toisen harjoittelututkimuksen jälkeen perusviivojen määrittämiseksi. Keskimääräinen mukautettu SNR -arvo pääolosuhteissa (kova) oli -8,6 dB (SD = 1.88).

2.1.3 Analyysi

Pienet erot siinä, miten tulosmittaukset annettiin ja/tai pisteytettiin kokeessa 2, olivat seuraavat. Ponnistelujen ja suorituskyvyn arvioinnin subjektiiviset arvosanat annettiin joka viides koe, jolloin tuloksena oli yhteensä 24 luokitusta jokaisella asteikolla. Keskimääräiset ponnistelut ja suorituskyvyn arviointipisteet laskettiin siten keskimäärin joka neljän (kahden sijasta) vastauksen perusteella. Esimerkiksi lohkon 1 ponnistus- ja suorituskyvyn arviointiluokitukset heijastivat keskimääräisiä ponnisteluja ja suorituskyvyn arviointiluokituksia, kuten on osoitettu kokeiden 5, 10, 15 ja 20 jälkeen. Subjektiivisia arvioita kuuntelun väsymyksestä annettiin 20 tutkimuksen välein (yhteensä kuusi arviointia). Väsymys subjektiivisen arviointiasteikon kuuntelemisesta annettiin kuuntelutehtävän alussa (eli ennen ensimmäistä kokeilua), ja tätä pistettä käytettiin analyysin lähtökohtana. Yhteenvetona voidaan todeta, että kukin kokeilun 2 kuudesta lohkosta heijasti pisteitä keskimäärin 20 (eikä 10) kokeessa. Käytettiin samoja oppilastietojen esikäsittelytekniikoita kuin kokeessa 1. Kuitenkin tällä kertaa yhden kohteen (s17) tiedot poistettiin, koska 72/120 tutkimusta oli & gt25% puuttuvia tietoja. Jäljellä olevasta tietojoukosta yhteensä 46 tutkimusta (2% kaikista tietojoukon kokeista) poistettiin analyysistä, koska & gt25% puuttui näytearvoja. Jokaiselle riippuvalle muuttujalle suoritettiin yksisuuntaiset toistetut mittaukset ANOVA-arvot lineaarisen kehityksen tarkastamiseksi ajan mittaan.

2.2 Tulokset

2.2.1 Puheentunnistus

Kuva 4 (vasen paneeli) havainnollistaa puheentunnistuksen suorituskyvyn tarkkuuden yleisen muutoskuvion lohkon funktiona. Lohkolla ei ollut merkittävää päävaikutusta lineaariseen termiin, (F(1,19) = 0.004, s = 0,95, osittainen η 2 & lt 0,001), keskimääräinen puheentunnistuskyky ei osoita lineaarisia muutoksia ajan mittaan.

2.2.2 TEPR

Kuva 4 (oikea paneeli) havainnollistaa keskimääräisen TEPR -muutoksen yleistä mallia lohkon funktiona. Lohkolla oli merkittävä päävaikutus lineaariseen termiin, (F(1,18) = 35.54, s & lt .001, osittainen η 2 = 0,66). Keskimääräinen TEPR osoitti yleistä lineaarista laskua ajan myötä.

2.2.3 Subjektiiviset arviot

Kuvassa 5 esitetään yleinen tulosten malli jokaisesta kolmesta subjektiivisesta arvosanasta (ponnistus, väsymys kuuntelusta ja suorituskyvyn arviointi) lohkon funktiona. Keskimääräisen ponnistusluokituksen osalta lohkolla ei ollut merkittävää päävaikutusta lineaariseen termiin, (F(1,19) = 0.65, s = 0,43, osittainen η 2 = 0,03), ja keskimääräiset ponnistelut eivät osoita lineaarisia muutoksia ajan mittaan. Kuunteluarvioiden keskimääräisen väsymyksen vuoksi estolla oli merkittävä päävaikutus lineaariseen termiin, (F(1,19) = 77.61, s & lt .001, osittainen η 2 = 0,80). Keskimääräinen väsymys kuunteluarvioista osoitti yleistä lineaarista nousua ajan myötä. Keskimääräisen suorituskyvyn arviointiluokituksen osalta lohkolla ei ollut merkittävää päävaikutusta lineaariseen termiin, (F(1,19) = 0.41, s = .53, osittainen η 2 = 0,02), ja keskimääräiset suorituskyvyn arviointiluokitukset eivät osoita lineaarista muutosta ajan myötä.

2.2.4 Korrelaatiot

Rmcorr

Rmcorr -analyysit tehtiin riippuvien muuttujien välisten yhteyksien tutkimiseksi yksilön tasolla. Tutkimme kaikki mahdolliset pareittain korrelaatiot viiden riippuvaisen muuttujan välillä (ponnistelut, väsymys kuunteluarvioista, suorituskyvyn arviointiluokitus, puheentunnistuskyky ja TEPR), minkä tuloksena saatiin yhteensä 10 testiä. Käytettiin Bonferronilla korjattua alfa-kriteerin merkitsevyystasoa .005 (.05/10).

Kuvio 6 esittää tärkeimpien korrelaatiotestien rmcorr -hajontakaaviot. Taulukossa 2 esitetään rmcorr-kertoimet kohteen sisäisten korrelaatiotestien osalta kaikkien tulosmittausten välillä. Ensinnäkin keskimääräisen TEPR: n muutokset osoittivat merkittävän negatiivisen korrelaation kuunteluarvioiden keskimääräisen väsymyksen muutosten kanssa. Pienemmät TEPR: t osuivat samaan aikaan kuunteluarvioiden lisääntyneen väsymyksen kanssa. Muutokset keskimääräisessä TEPR -arvossa eivät kuitenkaan korreloineet keskimääräisten pyyntiponnistusten muutosten kanssa. Samoin ei havaittu merkittävää yhteyttä keskimääräisten ponnistusarvojen muutosten ja kuunteluarvioiden keskimääräisen väsymyksen muutosten välillä eikä keskimääräisen TEPR: n ja puheentunnistuksen välillä. Lopuksi, kuuntelun väsymyksen muutokset eivät liittyneet keskimääräiseen puheentunnistuksen suorituskykyyn tai keskimääräiseen suorituskyvyn arviointiin.

1 2 3 4
1. TEPR
2. Ponnistusluokitus .03 [−.18, .23]
3. Väsymys kuuntelusta −.48 [−.63, −.31] .17 [−.02, .36]
4. Suorituskyvyn arviointiluokitus .11 [−.09, .31] −.71 [−.80, −.60] −.21 [−.39, −.01]
5. Puheentunnistus .05 [−.16, .25] −.49 [−.62, −.32] .11 [−.30, .09] .59 [.44, .70]

2.3 Keskustelu

Kokeella 2 pyrittiin tutkimaan tarkemmin yksilöiden sisäisiä yhteyksiä TEPR: n, subjektiivisten ponnistelujen ja kuuntelun väsymyksen sekä suorituskyvyn arvioinnin välillä. Ensinnäkin löysimme todisteita "resurssien ehtymisen" puolesta TEPR: n ja kuunteluun liittyvän väsymyksen välisestä suhteesta. Jälleen kerran ei havaittu yhteyttä TEPR: n muutosten ja subjektiivisten ponnistelujen välillä. Toisin kuin kokeessa 1, subjektiivisten ponnistelujen ja kuuntelun väsymyksen välillä ei havaittu merkittävää aiheen sisäistä yhteyttä (mahdollisia syitä käsitellään yleisessä keskustelussa). Emme löytäneet merkittävää aiheeseen liittyvää yhteyttä kuuntelun ja puheentunnistuksen suorituskyvyn välillä, mikä viittaa siihen, että kuuntelun väsymyksellä ei ollut haitallista vaikutusta tehtävien suorittamiseen (Hockey, 2013). Lopuksi todisteet kuuntelun väsymyksen ja suorituskyvyn arviointiluokitusten välisestä yhteydestä olivat heikompia (ja merkityksettömiä) tässä kokeessa (r = −21) verrattuna kokeeseen 1 (r = −.42). Näiden ristiriitaisten tulosten mahdollisia syitä käsitellään myös yleisessä keskustelussa.


Tulokset

Käyttäytymistiedot

Bidelman et ai. (2019b) kuvaa täysin käyttäytymistuloksia. Kuvio 1A esittää yksittäisten puhevaltuuksien spektrogrammeja ja kuvio 1B esittää käyttäytymistunnistustoimintoja SNR: ien välillä. Kaltevuusanalyysi (β1) paljasti SNR: n päävaikutuksen [F2,28 = 35.25, s < 0,0001] (Kuva 1C). Post hoc kontrastit vahvistivat, että vaikka 0 dB SNR ei muuttanut psykometrisiä kulmia suhteessa peittämättömään puheeseen (s = 0,33), psykometrinen toiminto muuttui matalammaksi ja 𢄥 dB SNR suhteessa 0 dB SNR (s < 0,0001). Lisäksi SNR muutti havaintorajaa hieman, mutta merkittävästi [F2,28 = 5.62, s = 0,0089] (kuva 1D). Piilotettuun puheeseen nähden 𢄥 dB SNR -puhe muutti havaintorajaa oikealle (s = 0,011), mikä viittaa pieneen, mutta mitattavissa olevaan harhaanjohtavuuteen raportoida “u ” (eli useammin vw1-2-vastauksia), kun kohina ylittää signaalin. Yhdessä nämä tulokset viittaavat siihen, että kategoriset esitykset kestävät suurelta osin akustisia häiriöitä, kunnes kohinan signaalin voimakkuus ylittää puheen.

Kuvio 1. Spektrogrammit ja käyttäytymispuheen luokittelu kolmella signaali-kohinasuhteen tasolla (SNR). (A) Yksittäisten puhemerkkien spektrogrammit. (B) Aistinvaraiset psykometriset toiminnot. Huomaa, että käyrät ovat peilisymmetrisiä, mikä heijastaa “u ” (vasen käyrä) ja 𠇊 ” -tunnistuksen (oikea käyrä) prosenttiosuutta. (C) Rinteet ja (D) havaintorajan sijainnit osoittavat, että puheen luokittelu on vankka jopa 0 dB: n SNR -arvoon asti. (E) Puheen luokittelunopeudet (RT) osoittavat selkeää hidastuvaa merkintöjen (Pisoni ja Tash, 1974 Bidelman ja Walker, 2017) epäselviä tunnuksia (keskipiste) suhteessa yksiselitteisiin (päätepisteet) paljastamattomissa ja 0 dB: n SNR -olosuhteissa. Luokittelutarkkuus ja nopeus heikkenevät meluhäiriöiden vaikutuksesta, kunnes SNR -arvot ovat vakavasti heikentyneet. Tiedot kopioitu Bidelman et al. (2019b). Spektrogrammi toistettu julkaisusta Bidelman et ai. (2014), John Wileyn ja#x0026 Sonsin luvalla. virhepalkit = ± SEM.

Käyttäytymisvasteajat (RT) osoittavat luokittelun nopeuden (kuva 1E). RT vaihteli SNR: n mukaan [F2,200 = 11.90, s < 0.0001] ja merkki [F4,200 = 5.36, s = 0,0004]. RT: t olivat samanlaisia ​​paljastamattomille ja 0 dB: n SNR -puheille (s = 1.0) mutta hitaampi 𢄥 dB SNR (s < 0,0001). A priori kontrastit paljastivat, että tämä hidastuminen oli merkittävintä kategorisemmilla tunnuksilla (vw1-2 ja vw4-5). Epäselvät tunnukset (vw3) saivat aikaan samanlaisia ​​RT -ääniä meluolosuhteissa (ss > 0.69). Tutkimme, saivatko olosuhteet aikaan tavanomaisen hidastumisen RT: ssä lähellä jatkuvuuden keskipistettä (Pisoni ja Tash, 1974 Poeppel ym., 2004 Bidelman et ai., 2013). Suunnitellut kontrastit paljastivat tämän CP -tunnusmerkin paljastamattomille [keskiarvo (vw1,2,4,5) vs vw3 s = 0,0003] ja 0 dB SNR (s = 0.0061) olosuhteissa, mutta ei 𢄥 dB SNR (s = 0.59).

Pillometrian tiedot

Kuvio 2 esittää suuret keskimääräiset oppilaan aaltomuodot kullekin puhemerkille ja SNR: lle sekä vastaukset, jotka vastakkain ovat yksiselitteisesti [keskiarvo (vw1, vw5)] ja epäselvät (vw3) -merkit. Visuaalisesti tiedot osoittivat, että sekä SNR että puhekategorinen tila moduloivat oppilasvasteita. Näiden vaikutusten kvantifioimiseksi yhdistimme yksiselitteisten merkkien (vw1 ja vw5) (ne, joilla on vahvempi luokkaidentiteetti) oppilaan halkaisijan (enimmäis) halkaisijan ja latenssin ja verrattiin niitä epäselvään vw3 -merkkiin (Liebenthal et ai., 2010 Bidelman, 2015 Bidelman ja Walker, 2017). Kuvio 3 esittää keskimääräiset piikin oppilashalkaisijat ja latenssit SNR: n ja käyttäytymistason mukaan.

Kuva 2. Suuret keskimääräiset aaltomuodot oppilaan vastauksille. Keskimääräiset vastaukset kullekin merkkiehtoon kullakin SNR -tasolla: (A) paljastamaton, (B) 0 dB SNR, (C) 𠄵 dB SNR -olosuhteet. Oppilaan huippuhalkaisija ja 300-700 ms: n hakuikkunan välinen latenssi uutetaan lisäanalyysiä varten. Suuret keskimääräiset aaltomuodot oppilaiden vastauksille, jotka vastaavat kategorisia [keskiarvoja (vw1, vw5)] vs. epäselviä (vw3) -merkkejä kullakin SNR -tasolla. (D) Paljastamaton, (E) 0 dB SNR, (F) 𠄵 dB SNR -olosuhteet. Oppilaiden vastaukset moduloidaan SNR: n ja tunnuksen identiteetin avulla. varjostus = 1 SEM.

Kuva 3. Oppilaan huippujen keskimääräiset halkaisijat ja latenssit SNR: n mukaan. (A) Suurempi pupillikoko havaitaan 0 dB SNR: ssä suhteessa paljastamattomaan ja 𠄵 dB SNR: ään. (B) Oppilaan huippuhalkaisija on kohonnut 0 dB SNR: ään verrattuna kahteen muuhun tilaan. (CD) Yleensä 𠄵 dB puhe näyttää kolmen tilan pisimmän huippuviiveen. Oppilaiden vastaukset viivästyvät 0 dB: n SNR -puheen ja kategorisesti epäselvän puheen osalta (eli vw3 > vw1/5). virhepalkit = 1 SEM.

ANOVA paljasti SNR: n ainoan pääasiallisen vaikutuksen pupillien huippukokoon [F2,196 = 6.69, s = 0,0015] ilman tunnusta [F4,196 = 0.53, s = 0.7157] ei tunnusta ja#x2217 SNR -vuorovaikutusvaikutusta [F8,196 = 0.16, s = 0,9959] (kuva 3A). Suunnitellut oppilaan koon kontrastit pareittain SNR: ien välillä osoittivat, että vain peittämätön puhe poikkesi SNR -puheesta. Erityisesti pupillin halkaisija kasvoi, kun puhe luokiteltiin kohtalaiseen häiriöön (eli 0 dB > paljastamatta) s = 0,0007), mutta ei eronnut lisääntyneestä melutasosta (eli 0 dB = 𢄥 dB s = 0,0794) (kuva 3B).

ANOVA oppilaan latenssista paljasti, että SNR moduloi voimakkaasti oppilaan vasteaikaa [F2,196 = 4.60, s = 0,0112], samoin kuin tunnuksen yksiselitteisyys [F4,196 = 3.25, s = 0,0130] (kuvat 3C, D). Ei tunnusta ja#x2217 SNR -vuorovaikutusvaikutusta [F8,196 = 0.94, s = 0,4827]. Seurantakontrastit paljastivat samanlaiset viiveet peittämättömälle ja 0 dB: n puheelle (s = 0,5379), mutta pidempi viive taajuudella 𢄥 dB suhteessa 0 dB puheeseen (s = 0,0061). RT -tietojen rinnakkain a priori kontrastit paljastivat käyttäytymistietojen kanssa samanlaisen & käännetyn V-muotoisen ” -mallin 𠅊 hidastaa vasteen ajoitusta epäselväksi suhteessa yksiselitteisiin tunnuksiin 0 dB SNR: ssä [keskiarvo (vw1,2,4,5) vs vw3 s = 0,0244]. Peittämätön ja 𢄥 dB puhe ei osoittanut tätä mallia (ps > 0,27).

Jotta voisimme testata tarkemmin, onko käyttäytyminen moduloinut silmien käyttäytymistä, analysoimme jokaisen kuuntelijan yhden koekierroksen vw3-oppilaan vastaukset, jotka perustuvat (i) käyttäytymiseen liittyvien RT: n mediaanijakaumaan nopeisiin ja hitaisiin vastauksiin (kuvat 4A 𠄾) ja (ii) vokaali luokkaan (esim. 𠇊 ” vs. “u ”) (kuvat 4F –J). Tämä johti � -kokeisiin kullekin keskiarvolle. Huolimatta siitä, että vw3 -oppilaiden latenssit olivat saaneet aikaan identtisen (vaikka havainnollisesti bistabiilin) ​​akustisen ärsykkeen, he riippuivat voimakkaasti kuuntelijoiden nopeudesta ja#x2019 päätöksestä [F1,70 = 6.74, s = 0,0115]. Hitaat RT: t liittyivät oppilaan hitaampiin vastauksiin epäselvään merkkiin (kuva 4E). Oppilaan koko ei ollut riippuvainen RT: stä [SNR, nopeus ja SNR × nopeustehosteet: ps ≥ 0,0585] (kuva 4D). Jaettu kuuntelijoiden ja#x2019 -tunnisteiden mukaan (eli vw3 ilmoitettiin nimellä “u ” vs.F2,70 = 3.78, s = 0,0275]. Oppilaiden vasteet olivat jälleen suurimmat 0 dB: n SNR -puheelle verrattuna muihin kohinaolosuhteisiin (kuva 4I). Nämä tiedot paljastavat, että samanlaisissa puheen epäselvyyksissä oppilaiden vastaukset moduloidaan kuuntelijoiden nopeuden ja#x2019 käyttäytymisluokittelun mukaan. Huomaa, että tämä on ristiriidassa EEG -havaintojen kanssa samoille ärsykkeille, jotka osoittavat, että aivojen sähköinen toiminta erottaa epäselvän puheen riippuen kuuntelijoiden ’ subjektiivisesta raportista (eli vw3, joka on kuunneltu nimellä “u ” vs. 𠇊 ”) (Bidelman et al., 2013).

Kuva 4. Oppilaan vastauksen viive, mutta ei koko riippuu kuuntelijoiden nopeudesta ja#x2019 päätöksestä. Suuret keskimääräiset aaltomuodot oppilaan vasteille vw3: lle perustuen (A 𠄾) käyttäytymiseen liittyvien RT: iden jakautumisen mediaani ja (F –J) ilmoitettu vokaaliluokka (esim. 𠇊 ” vs. “u ”). (E) Oppilaiden viiveet riippuvat vahvasti kuuntelijoiden nopeudesta ja#x2019 päätöksestä. Hitaat RT: t liittyvät hitaampiin oppilaiden vastauksiin epäselviin merkkeihin. (D) Oppilaan koko ei ole riippuvainen RT: stä. (Minä) SNR: llä on yksinomaan vaikutus oppilaan vasteen suuruuteen, kun se jaetaan kuuntelijoiden ja#x2019 -tunnistuksen mukaan (eli raportoidaan vw3 nimellä “u ” vs. 𠇊 ”). Oppilaiden vasteet ovat jälleen suurimmat 0 dB: n SNR -puheelle verrattuna muihin kohinaolosuhteisiin.


Päätelmät

Analysoimalla oppilaiden halkaisijoita paljastimme, että ADHD liittyy suureen pupillin halkaisijaan ja dynaamiseen pupillin halkaisijan käyttäytymisen monimutkaisuuteen ja symmetrisyyteen. Lisäksi näiden tekijöiden yhdistelmä koneoppimisella parantaa ADHD -tunnistuksen tarkkuutta. Ehdotetun arviointimenetelmän ja havaintojemme soveltaminen voi helpottaa työkalujen kehittämistä auttamaan ADHD -diagnoosissa oppilaan halkaisijan perusteella. Koska ne voivat osoittaa aivotoiminnan ja psyykkisten häiriöiden puutteita, menetelmiämme voidaan käyttää muihin patologioihin.


Sisällys

Ihmisillä ja monilla eläimillä (mutta harvoilla kaloilla) oppilaan kokoa ohjataan tahattomalla iiriksen supistumisella ja laajentumisella silmään tulevan valon voimakkuuden säätelemiseksi. Tätä kutsutaan pupillirefleksiksi. Normaalissa huonevalossa terveen ihmisen oppilaan halkaisija on noin 3-4 millimetriä, kirkkaassa valossa oppilaan halkaisija on noin 1,5 millimetriä ja hämärässä valoa halkaisija suurennetaan noin 8 millimetriin. Oppilaan kaventuminen johtaa suurempiin polttoväleihin. (katso tarkempi kuvaus aukosta)

Oppilaan muoto vaihtelee lajien välillä. Yleiset muodot ovat pyöreitä tai raon muotoisia, vaikkakin monimuotoisempia muotoja löytyy vesilajeista. Syyt muodon vaihteluun ovat monimutkaisia, koska muoto liittyy läheisesti linssin optisiin ominaisuuksiin, verkkokalvon muotoon ja herkkyyteen sekä lajin visuaalisiin vaatimuksiin.

Raon muotoisia oppilaita löytyy lajeista, jotka ovat aktiivisia erilaisilla valotasoilla. Voimakkaassa valossa pupilli supistuu ja on pieni, mutta sallii silti valon heittämisen suuren osan verkkokalvolle.

Raon suunta voi liittyä liikesuuntaan, jonka silmän on havaittava kaikkein herkimmin (joten pystysuora pupilli lisäisi pienen kissan silmien herkkyyttä hiirien vaakasuoralle rypistymiselle). Mitä kapeampi pupilli, sitä tarkempi perifeerisen näkökyvyn syvyyshavainto on, joten sen kaventaminen yhteen suuntaan lisäisi syvyyden havaitsemista kyseisellä tasolla. ΐ ] Eläimet, kuten vuohet ja lampaat, ovat saattaneet kehittää vaakasuoria oppilaita, koska parempi näkemys pystytasossa voi olla hyödyllistä vuoristoympäristössä. Α ]

Monilla käärmeillä, kuten boasilla, pythonilla ja viperillä, on pystysuorat, raon muotoiset pupillit, jotka auttavat heitä metsästämään saalista monissa valaistusolosuhteissa.Pienillä kissoilla ja ketuilla on myös raon muotoiset pupillit, kun taas leijonilla ja susilla on pyöreät pupillit, vaikka he ovat samassa perheessä. Jotkut olettavat, että tämä johtuu siitä, että viilto -oppilaat ovat hyödyllisempiä eläimille, jotka metsästävät pientä saalista kuin suurta saalista. Β ]


Johdanto

Päänsärky, joka johtuu pään traumaattisesta vammasta [1], joka tunnetaan myös nimellä posttraumaattinen päänsärky (PTH), on yleinen sairaus pään ja/tai kaulan vamman jälkeen. Ennuste on yleensä suotuisa, ja useimmat tapaukset ratkeavat 3–6 kuukauden kuluessa lieventävästä vammasta [2]. On kuitenkin raportoitu, että 18–22% PTH: sta kestää yli vuoden [3].

PTH on huonosti ymmärretty kokonaisuus. Kansainvälisen päänsärkyluokituksen 3 (ICHD-3) mukaan: Se määritellään päänsärkyksi, joka liittyy pään ja/tai kaulan traumaattiseen vammaan, ja päänsärky ilmoitetaan 7 päivän kuluessa [1]. PTH: n patofysiologiasta tiedetään vähän: Useita tekijöitä on ehdotettu, mukaan lukien mikrogliaalinen aktivaatio aivojen parenhyymassa, dural -tulehdus, joka liittyy syöttösolujen degranulaatioon kipuradan herkistymisen kanssa, ekstrakraniaalisten kudosten vaurioituminen ja hermoston ja aivojen rakenteiden vaurioituminen [4].

Akuutin ja pysyvän PTH: n diagnoosi perustuu mielivaltaiseen raja -arvoon, joka on 3 kuukautta päänsärkyä, yli 3 kuukautta jatkuva PTH ja alle 3 kuukautta akuutti PTH [1]. Rajoitettu näyttö on tarkastellut tekijöitä, jotka liittyvät akuutin PTH: n muuttumiseen. Aiempi väestöpohjainen tutkimus havaitsi, että traumaattinen aivovamma, alkoholin vaikutuksesta loukkaantuminen ja akuutti PTH ovat ennustaneet pysyvää PTH: ta [5]. PTH liittyy myös somaattisiin, kognitiivisiin ja psykologisiin oireisiin [6]. Tiedetään, että päänsäryn ja psyykkisten häiriöiden välillä on kaksisuuntainen yhteys [7, 8]. Ahdistusta, masennusta, mielialahäiriöitä ja itsemurhakäyttäytymistä voi esiintyä potilailla, joilla on kroonisia päänsärkyhäiriöitä [6, 8, 9]. PTH: n diagnosoinnissa myös samanaikaisesti esiintyvän lääkityksen liiallisen päänsärkyn (MOH) mahdollisuus on tärkeä näkökohta [10]. Tämän tiedon perusteella halusimme testata hypoteesin, jonka mukaan altistuminen kliinisille ennusteille, kuten lääkkeiden liikakäyttö ja psykologiset oireet, liittyy pysyvään PTH: hen verrattuna akuuttiin PTH: han. Lisäksi oletimme, että pysyvässä PTH -potilasryhmässä on luonnossa esiintyviä heterogeenisiä klustereita.

Tässä sairaalapohjaisessa tutkimuksessa tutkimme kliinisiä ennustajia, jotka voivat todennäköisemmin liittyä pysyvään ja akuuttiin PTH: hen. Mahdollisten kliinisten ennustajien tunnistamisella voi olla hoitovaikutuksia ja ne voivat antaa uskottavan selityksen sille, miksi joillekin potilaille kehittyy jatkuvaa päänsärkyä pään ja/tai kaulan vamman jälkeen. Lisäksi teimme klusterointianalyysin PTH: n luonnossa esiintyvien alaryhmien tunnistamiseksi ja vertaamme niitä akuutin ja pysyvän ICHD-3-luokitukseen.


Materiaalit ja menetelmät

Aiheet

Rekrytoimme yhteensä 62 koehenkilöä (42 naisikäistä (keskiarvo ± SD): 25,53 ± 4,04) kolmeen ryhmään (25 ensimmäisessä, 26 toisessa ja 11 viimeisessä). Kaikki olivat opiskelijoita Pisan tai Firenzen yliopistosta vähintään kolmannen vuoden aikana. Kaikki ilmoittivat normaalin tai normaaliksi korjatun näön, eikä niillä ollut diagnosoitu neurologista tilaa. Tutkimukseen rekrytoitujen osallistujien määrä valittiin tarjoamaan suuri vaikutuskoko, kuten a priori tehoanalyysi osoittaa (vaikutuksen koko: 0,50, α = 0,05, kaksihäntäinen), joka paljastaa, että tehon saavuttamiseksi (1-β ) 0,8, otoskoko 26 koehenkilöä tarvittiin.

Kokeelliset menettelyt hyväksyi alueellinen eettinen komitea [Comitato Etico Pediatrico RegionaleAzienda Ospedaliero-Universitaria Meyer-Firenze (FI)].

AQ -pisteet

Kaikki osallistujat täyttivät Autistic-traits Quotient -kyselylomakkeen, joka annettiin itse vahvistetulla italialaisella versiolla (Baron-Cohen et ai., 2001 Ruta et al., 2012). Tämä sisältää 50 kohdetta, jotka on ryhmitelty viiteen osa -asteikkoon: huomionvaihto, huomio yksityiskohtiin, mielikuvitus, viestintä ja sosiaaliset taidot. Osallistujat lukivat jokaiselle kysymykselle lausunnon ja valitsivat, missä määrin väite parhaiten kuvaili heitä: '' täysin samaa mieltä '', '' hieman samaa mieltä '', '' hieman eri mieltä '' ja '' täysin eri mieltä '' ( Italialainen). Kohteet pisteytettiin alkuperäisellä paperilla kuvatulla vakiomenetelmällä (Baron-Cohen et al., 2001): 1 kun osallistujan vastaus oli ASD: lle ominaista (hieman tai voimakkaasti), 0 muuten. Kokonaispisteet vaihtelivat välillä 0 ja 50, ja korkeammat pisteet osoittavat korkeampia autistisia piirteitä. Kaikki testatut saivat alle 32 pisteen, mikä on kynnys, jonka yläpuolella kliinistä arviointia suositellaan (Baron-Cohen et al., 2001). Pisteiden keskiarvo (SD) oli 14,85 (6,73). Pisteet jakautuivat normaalisti (ks. Kuva 3D) mitattuna Jarque-Beran komposiittitason normaalitesti (JB = 1,42 p = 0,37).

Laitteet

Koe suoritettiin hiljaisessa huoneessa, jossa oli 100 luxin valaistus. Koehenkilöt istuivat näyttöruudun edessä 41 × 30 asteen kulmassa 57 cm: n etäisyydellä, ja heidän päänsä oli vakautettu leuatukilla. Katselu oli kiikari. Stimuleja luotiin PsychoPhysics Toolbox -rutiineilla (Brainard, 1997 Pelli, 1997) MATLABille (MATLAB r2010a, The MathWorks) ja ne esitettiin 22 tuuman CRT-värinäytöllä (120 Hz, 800 × 600 pikseliä Barco Calibrator), jota ohjaa Macbook Pro Retina (OS X Yosemite, 10.10.5). Kaksiulotteista silmien asentoa ja pupillin halkaisijaa seurattiin joko CRS LiveTrack -järjestelmällä (Cambridge Research Systems) 60 Hz: llä tai Eyelink1000 Plus -laitteella (SR Research) 1000 Hz: llä. Vahvistimme, että vaikka näillä kahdella järjestelmällä on erilainen tarkkuus ja tarkkuus, ne antoivat vertailukelpoisia tuloksia kokeissamme. Molemmat järjestelmät käyttävät näytön alapuolelle asennettua infrapunakameraa. Oppilaan halkaisijamitat muutettiin pikseleistä millimetreiksi sen jälkeen, kun seurantalaite oli kalibroitu keinotekoisella 4 mm: n pupillilla, joka oli sijoitettu kohteen vasemman silmän likimääräiseen kohtaan. Silmien sijainnin tallenteet linearisoitiin standardin 9-pisteen kalibrointirutiinilla, joka suoritettiin jokaisen istunnon alussa.

Ärsykkeet ja menettely

Osallistujien eri osajoukot osallistuivat neljään kokeeseen (tärkeimmät, vaihdetut liikesuunnat, ominaisuuspohjainen huomio, kaksitehtävä). Pääkokeeseen rekrytoimme yhteensä 51 osallistujaa, joista yksi suljettiin pois (katso alla). Rekrytoimme ja testasimme heidät kahteen ryhmään (aiheet 1–25 ja 26–51), jotka oli tarkoitettu itsekuvauksiksi, joissa kussakin oli 25 osallistujaa (yhden osallistujan poissulkemisen jälkeen alla kuvattujen kriteerien perusteella). Kokeet alkoivat tutkittavilla, jotka kiinnittivät harmaan taustan keskellä olevan pisteen (halkaisija 0,15 °) (12,4 cd/m 2). Ärsyke käsitti keskelle sijoitetun 8 × 14 ° suorakulmion, joka näytti olevan lieriö, joka pyörii pystyakselinsa ympäri (kuva 1A). 3D -illuusio syntyi esittämällä yhteensä 300 satunnaisesti sijoitettua pistettä (kukin halkaisijaltaan 0,30 °), jotka liikkuvat virtuaalisen pystysuoran akselin ympäri kulmanopeudella 60 astetta/s (10 kierrosta minuutissa): lineaarinen nopeus seurasi kosinifunktiota, 3,9 °/s näytön keskellä. Pisteet olivat mustia (0,05 cd/m2), kun ne liikkuivat oikealle (puolet kerrallaan) ja valkoisia (55 cd/m2), kun ne liikkuivat vasemmalle. Tuloksena oleva ärsyke oli yhteensopiva kahden havainnollisen tulkinnan kanssa: sylinteri, joka pyörii vastapäivään (ylhäältä katsottuna) ja jonka musta pinta on edessä ja valkoinen pinta takana tai myötäpäivään, valkoinen pinta edessä, musta pinta takana. Kaksi havaintotulkintaa vaihtuivat spontaanisti kaikissa osallistujissa, jotka raportoivat jatkuvasti havainnostaan ​​(sylinterin kiertäminen myötä- tai vastapäivään) joko pitämällä yhtä näppäimistön nuolinäppäimiä painettuna tai ohjaussauvalla. Epävarmoille tai sekaville käsityksille ei ollut vastauspainiketta: Koehenkilöitä kehotettiin raportoimaan, mikä näistä kahdesta havainnosta oli hallitseva, jos epäillään. Ärsykettä pelattiin kymmenessä 59 sekunnin kokeessa, joiden aikana osallistujat raportoivat jatkuvasti, oliko kierto myötä- tai vastapäivään. Osallistujia kehotettiin minimoimaan silmänräpäykset ja pitämään katseensa kiinnityspisteessä koko ajan, paitsi 1 sekunnin kokeiden välisen tauon aikana, johon liittyi kiinnityskohdan värin muutos (joka muuttui punaisesta mustaksi). Jokainen osallistuja suoritti vähintään kolme juoksua yhdessä istunnossa.

Alinäyte, jossa oli 27 osallistujaa (19 ensimmäisestä osallistujaryhmästä, 4 toisesta ryhmästä, 4 viimeisestä ryhmästä, yksi poissuljettu alla kuvatulla tavalla), testattiin myös vaihdetun liikesuunnan kokeessa - sama kuin 'kokeilu, paitsi että mustat pisteet liikkuivat vasemmalle ja valkoiset pisteet oikealle.

Pieni osajoukko (N = 10) testattiin uudelleen samoilla ärsykkeillä ja menettelyillä kuin "pääkokeessa", mutta eri ohjeilla. Niiden tarkoituksena oli nimenomaan kannustaa huomion maailmanlaajuiseen tai paikalliseen jakautumiseen. Kahdessa erillisessä istunnossa (satunnaisessa järjestyksessä) osallistujia kehotettiin joko "yrittämään molempien pintojen hoitamista ja nähdä sylinterin pyörivän yhtenä yksikkönä" (rohkaisee maailmanlaajuista katselua) tai "keskittämään huomio pelkästään etupintaan" (rohkaiseva paikallinen katselu). Jokainen istunto kesti noin 20 minuuttia ja sisälsi kaksi kymmentä koetta.

Toinen 25 osallistujan alinäyte (6 ensimmäisestä ryhmästä, 9 toisesta ryhmästä, 10 viimeisestä, jotka valittiin käytettävyyteen toiseen testausistuntoon) osallistuivat kaksoistehtäväkokeeseen, jossa oli sama koerakenne kuin "tärkein" kokeilu. Ensisijainen tehtävä ei muuttunut, ja osallistuja ilmoitti, havaitsivatko he sylinterin pyörimistä myötä- tai vastapäivään (käyttämällä ohjaussauvaa näppäimistön sijaan häiriöiden minimoimiseksi toissijaiseen tehtävään). Samaan aikaan hienoja nopeuden lisäyksiä (1 kuvan kesto, 600 asteen/s kulmanopeuden lisäys) tapahtui joko mustille tai valkoisille pisteille (jotka muodostavat etu- tai takapinnan osallistujan käsityksen mukaan) keskimäärin joka 3. s (2 s nopeuden lisäysten vähimmäisetäisyys). Osallistujia pyydettiin painamaan välilyöntiä heti, kun he havaitsivat nopeuden lisäyksen (kummallakin pinnalla). Mikä tahansa tangon puristus 2 sekunnin sisällä nopeuden lisäyksestä laskettiin osumaksi. Mikä tahansa tanko, joka tapahtui yli 2 sekunnin päässä nopeuden muutoksesta, laskettiin vääräksi hälytykseksi. D-prime-arvot laskettiin z-muunnetuista osumista ja vääristä hälytyksistä erikseen etu- ja takapinnalla esiintyville nopeuden lisäyksille. Kutakin näistä olosuhteista hankittiin vähintään kaksi 10 koekierrosta (noin 20 minuuttia).

Lopuksi 50 osallistujaa (18 ensimmäisestä ryhmästä, 22 toisesta ryhmästä, 10 viimeisestä) testattiin ominaisuuspohjaisen huomion kokeessa. Kokeet kestivät vain 10 sekuntia. Ennen ärsykettä 2 sekunnin aikana pisteitä ei näytetty ja kirjain (0,5 ° leveä, joko "B" tai "N") bianco tai nero, Italiaksi valkoiseksi tai mustaksi) näytettiin kiinnityksen aikana ja otettiin aiheita valikoivasti vain valkoisiin tai mustiin pisteisiin. Seuraavaksi tulivat kaksi pisteryhmää, jotka liikkuivat samaan suuntaan ja nopeudella kuin pääkokeessa, mutta kesti vain 6 sekuntia. Tänä aikana kerättyllä ja puhdistamattomalla pinnalla voi tapahtua 0–3 nopeuden lisäystä. Pisteiden sammuttua osallistujalla oli 2 sekuntia aikaa ilmoittaa näppäimen painalluksella, kuinka monta nopeuden lisäystä tapahtui mitatulla pinnalla, jättäen huomiotta nopeuden lisäykset koskemattomalla pinnalla. Tässä tapauksessa osallistujat eivät ilmoittaneet sylinterin havaittua pyörimissuuntaa, joka saattoi olla tai ei ehkä havaittu 3D -objektina kahden erillisen pistepilven sijasta. Osallistujat suoriutuivat selvästi sattumanvaraisesti, keskimääräinen d-prime oli 2,36 ± 0,09. Seurasimme oppilaan halkaisijaa 6 sekunnin ärsytysvälin aikana, erottaen kokeet, joissa valkoiset ja mustat pisteet laskettiin. Tämä koe tehtiin kahdessa 50 kokeen sarjassa (noin 15 minuuttia).

Analyysi

Off-line-analyysi tarkasteli silmänseurannan ulostuloa sulkeakseen pois ajankohdat, joissa oli epärealistisia oppilaskoon tallenteita (alle 1 mm, todennäköisesti vilkkumisten vuoksi tai yli 7 mm, todennäköisesti ripsien häiriöiden vuoksi). Lisäksi poissuljimme alle 1 sekunnin (usein sormivirheet) ja yli 15 sekunnin kestävät havaintavaiheet (merkintäkokeet, joissa oli liian vähän värähtelyjä bistabiliteetin mittaamiseksi). Nämä kriteerit johtivat siihen, että yksi osallistuja suljettiin pois pääkokeesta ja yksi vaihdetun liikesuunnan kokeesta (jolla oli alle 10 käyttökelpoista vaihetta), jolloin 50 osallistujaa pääkokeeseen, jonka prosenttiosuus poissuljetuista vaiheista on 27,39 ± 2,18% ja 26 osallistujaa "vaihdetulle liikesuunnalle" ja "kaksitehtäville", joissa poissuljettujen vaiheiden prosenttiosuudet olivat samanlaiset (23,32 ± 2,98% ja 22,58 ± 3,21%). Yksikään kokeita ja osallistujia ei suljettu pois ominaisuusperusteisen huomion kokeilusta.

Kaikissa kolmessa bistabiilikokeessa ("pääkokeessa", "vaihdetussa liikesuunnassa" ja "kaksitehtäväkokeissa") tummat ja valkoiset pisteet nähtiin yhtä todennäköisesti etualalla (prosenttiosuus tumman etualan havaitsemisajasta, vastaavasti: 51,85 ± 0,99%, 51,13 ± 1,43%, 51,34 ± 0,99%, ei koskaan merkittävästi eri kuin 50%).

Oppilaiden jäljet ​​jäsennettiin jaksoihin, jotka oli lukittu jokaiseen havaintokytkimeen (kun kohde muutti raportoitua käsitystä). Kohdistimme jäljet ​​kytkimeen (nolla kuvassa 1B) ja merkitsimme vaiheet havaitun pyörimissuunnan mukaan. "Ominaisuuspohjaista huomiota" koskevassa kokeessa oppilaiden jäljet ​​lukittiin ärsykkeen alkamiseen ja erotettiin sen perusteella, onko musta tai valkoinen pinta luokiteltu (kuva 2B). Kaikissa kokeissa vähenimme jokaisesta jäljestä perusviivan mittauksen oppilaan koosta, joka määritettiin keskimääräiseksi oppilaan kooksi 150 ms: ssa välittömästi ennen kytkentää tai sen jälkeen (negatiivisille ja positiivisille jälkille) tai ärsykkeen alkamiselle ominaisuuspohjaisesti huomion kokeilu. Tuloksena saadut jäljet ​​laskettiin keskimäärin kokeiden ja osallistujien kesken, erikseen molemmille havaintovaiheille (tai ominaisuusperusteisen huomiointikokeen huomio-vihjeille), kuva 1B ja kuva 2B. Näistä ja myös yksittäisistä jälkeistä määritimme kaksi yhteenvetotilastoa: oppilasjälkien ero kahden aikakauden välillä ja oppilaan jälkien keskiarvo kaikilla aikakausilla. 'Pää-', 'vaihdetun liikesuunnan' ja 'kaksitehtäväkokeiden' osalta nämä indeksit laskettiin sen jälkeen, kun oppilaiden mittaukset keskimäärin kunkin ajanjakson ensimmäisen (tai ensimmäisen ja viimeisen) 1 sekunnin aikana olivat vähimmäisvaiheen kesto. että kaikki vaiheet vaikuttavat yhtä paljon keskiarvoon. Vahvistimme kuitenkin myös päätuloksemme (korrelaatiot AQ -pisteisiin) eri aikakauden määritelmillä.

Ominaisuuspohjaisen huomion kokeessa oppilasjälkien ero kokeiden välillä, joissa valkoiset ja mustat pisteet laskettiin, laskettiin 1-3 sekunnin välein ärsykkeen alkamisesta (jossa huomion vaikutuksen odotetaan saavuttavan huippunsa [Binda et ai., 2014]).


Pillometria ja P3 indeksoivat locus coeruleus – noradrenergisen kiihotusfunktion ihmisillä

Kirjoittajat eivät ilmoita, että tässä esitetyn tutkimuksen tekemisessä ei ole eturistiriitoja. Tätä tutkimusta tuki Irlannin tieteen, tekniikan ja tekniikan tutkimusneuvosto (IRCSET) ”Embark Initiative” -apuraha, joka myönnettiin P.R.M.: lle, IRCSET Enterprise Partnership Scheme Fellowship J.H.B: lle ja IRCSET Empower Fellowship R.G.O'C: lle. Kirjoittajat tunnustavat myös rahoitustuen EU: n rakennerahastojen HEA PRTLI Cycle 3 -ohjelman ja Irlannin hallituksen kansallisen kehityssuunnitelman 2002–2006 kautta. Kiitämme Elisa Tattia avusta tietojen keräämisessä, Robert Whelania ärsykekoodauksesta ja Mark Bellgrovea arvokkaista kommenteista käsikirjoituksen varhaisesta luonnoksesta.

Abstrakti

Adaptiivisen vahvistuksen teoria korostaa locus coeruleus-noradrenergic (LC-NE) -järjestelmän keskeistä roolia tehtävien sitoutumisen säätelyssä. Ihmisillä LC-NE: n toiminnallinen dynamiikka on kuitenkin suurelta osin tuntematon. Arvioimme kahden LC-NE-aktiivisuuden psykofysiologisen ehdokkaan hyödyllisyyttä: P3-tapahtumaan liittyvä potentiaali ja oppilaan halkaisija. Elektroenkefalogrammi- ja pupillometria-tiedot kerättiin 24 osallistujalta, jotka suorittivat 37 minuutin kuulo-oddball-tehtävän. Kuten adaptiivisen vahvistuksen teoria ennustaa, prestimulus-oppilaan halkaisija osoitti käänteisen U-muotoisen suhteen P3: een ja tehtävän suorittamiseen siten, että suurimmat P3-amplitudit ja optimaalinen suorituskyky tapahtuivat samalla oppilaan halkaisijan välitasolla. Suuria vaiheittaisia ​​pupillilaajennuksia sitä vastoin saatiin aikaan heikon suorituskyvyn aikana, ja niitä seurasi uudelleen sitoutuminen tehtävään ja lisääntynyt P3 -amplitudi. Nämä tulokset tukevat viimeaikaisia ​​ehdotuksia siitä, että oppilaan halkaisija ja P3 ovat herkkiä LC-NE-moodille.