Esta sección describe la serie de experimentos llevados a cabo por los dos sujetos de polidactilia, P1 y P2, para investigar la neuromecánica y las funciones de sus manos. Algunos experimentos involucraron además a un grupo de sujetos de control con manos de cinco dedos. El estudio fue aprobado por los comités de ética institucional de la Universidad de Friburgo, el Imperial College de Londres, la EPFL y el King’s College de Londres., Cada sujeto dio su consentimiento informado antes de comenzar cada experimento.
análisis de resonancia magnética de la anatomía de la mano
la anatomía subyacente de la mano del sujeto P1 se visualizó mediante resonancia magnética en el Department of Perinatal Imaging and Health, King’s College London. Se obtuvieron imágenes ponderadas en T1, recuperación de inversión y densidad de protones con un sistema Siemens Aera de 1,5 Tesla (Erlangen, DE). Las imágenes no se pudieron obtener del sujeto P2 debido a un implante dental metálico.
biomecánica de la mano
una interfaz de mano dedicada para medir la fuerza isométrica de cada dedo (se muestra en la Fig., 2a) fue desarrollado en el Human Robotics group, Imperial College London, para investigar la capacidad de fuerza de los dedos izquierdo o derecho, en individuos con manos de cinco o seis dedos. La mano se colocó horizontalmente en la interfaz como se muestra en la Fig. 2a. cinco o seis de los ocho soportes impresos en 3D, cada uno fijado a una célula de carga (HTC), podrían deslizarse linealmente para acomodar una mano izquierda o derecha de cualquier tamaño para que el sujeto pudiera ejercer cómodamente una fuerza vertical con la punta de cada dedo.
se registraron fuerzas en todos los dedos a 128 Hz., Se llevaron a cabo experimentos con esta interfaz en los dos sujetos de polidactilia, así como en una población de 13 sujetos de control (seis mujeres) con manos de cinco dedos entre 25 y 35 años de edad. Los sujetos estaban sentados frente a una mesa con la interfaz colocada encima de ella de modo que el antebrazo descansara sobre la mesa en una posición natural.
inicialmente, se pidió a los sujetos que ejercieran la fuerza máxima posible con un solo dedo. Esta fuerza máxima (MF) se registró para cada dedo por separado comenzando con el pulgar y terminando con el dedo meñique., La figura 2b muestra la MF para sujetos de cinco y seis dedos. Usando estos datos, el eij esclavizante, caracterizando la dependencia entre los dedos I y j, se calculó como
donde I es el dedo que genera MF mientras que FJ(I) es la fuerza producida simultáneamente por el dedo j y MFJ es la fuerza máxima del dedo j. la esclavización para sujetos de cinco y seis dedos se presenta en la fig. 2d.,
luego se pidió a los sujetos que controlaran el 10%, el 20% o el 30% de la MF durante los ensayos de 15 s de duración. Se llevaron a cabo tres ensayos en cada nivel de fuerza, totalizando 3 × 3 × 5 = 45 o 3 × 3 × 6 = 54 ensayos por sesión para sujetos de cinco y seis dedos, respectivamente. Los sujetos con cinco dedos realizaron solo una sesión, mientras que los sujetos con seis dedos realizaron dos (sujeto P1) o tres (sujeto P2) sesiones. Los datos de este experimento se utilizaron para examinar cómo la variabilidad de la fuerza depende de la cantidad de fuerza ejercida., En cada ensayo, la variabilidad de la fuerza se calculó como la desviación estándar de la fuerza a través de la ventana de tiempo /128 s, que se seleccionó para que los sujetos ejercieran correctamente la fuerza requerida durante este período En casi todos los ensayos. Cinco ensayos (1 ensayo en un sujeto de control, 2 ensayos en el sujeto P1 y 2 ensayos en el sujeto P2) fueron excluidos del análisis, ya que mostraron fluctuaciones extraordinariamente altas de la fuerza a través del tiempo, lo que indica que la tarea no se llevó a cabo con éxito en estos ensayos., La figura 2C muestra la desviación estándar de la fuerza en función de la magnitud de la fuerza para sujetos de cinco y seis dedos.
resonancia magnética funcional
P1 y un grupo de nueve participantes de control con manos de cinco dedos participaron en el experimento fMRI. P2 fue excluido debido a un implante dental metálico. En un diseño de bloque, los participantes realizaron un movimiento de grabación durante 20 s con un solo dedo (20 toques por bloque, 1 toque por segundo) seguido de 10 s de descanso. Se realizaron cuatro bloques para cada dedo en orden pseudo-aleatorio (24 ensayos para P1 y 20 ensayos para controles)., P1 realizó dos sesiones, una para cada mano. Los controles realizados solo una sesión con la mano derecha. Todos los participantes fueron entrenados en los movimientos antes de ingresar al escáner fMRI.
Las imágenes se obtuvieron en un escáner de cabeza corta de solo 7T (Siemens Medical, Alemania) con una bobina RF Tx/Rx de 32 canales (Nova Medical, Alemania). Las imágenes funcionales se obtuvieron mediante una secuencia EPI de lectura sinusoidal23 y comprendieron 28 cortes axiales. Se colocaron cortes sobre el surco central (aproximadamente ortogonal al surco central) para cubrir las cortezas motoras primarias (resolución voxel 1.,3 × 1,3 × 1,3 mm3; TR = 2 s, FOV = 210 mm, TE = 27 ms, flip angle = 75°, GRAPPA = 2). Las imágenes anatómicas se obtuvieron utilizando una secuencia MP2RAGE 24 para permitir la localización precisa del surco precentral (ver más abajo) y para fines de visualización (TE = 2.63 ms, TR = 7.2 ms, TI1 = 0.9 s, TI2 = 3.2 s, TRmprage = 5 s). Para facilitar la corregistración entre las imágenes funcionales y anatómicas, también se adquirió un volumen EPI cerebral completo con la misma inclinación utilizada en las corridas funcionales (81 cortes, resolución voxel 1.3 × 1.3 × 1.3 mm3, FOV = 210 mm, TE = 27 ms, ángulo de giro = 75°, GRAPPA = 2)., Los sujetos fueron escaneados en posición supina.
todas las imágenes se analizaron utilizando el software SPM8 (Wellcome Centre for Human Neuroimaging, Londres, Reino Unido). El preprocesamiento de los datos de fMRI incluyó corrección de tiempo de corte, realineación espacial, suavizado (FWHM = 2 mm) y corregistro con imágenes anatómicas. Caret 5 (Van Essen Laboratory, Washington University School of Medicine) se utilizó para la visualización de superficies. Para localizar los vóxeles incluidos en el análisis de los patrones de activación (suplemento Fig., 3), se calculó un primer análisis GLM, que incluyó un regresor por dedo (6 para P1 y 5 para controles) y seis regresores de movimientos rígidos. Se definió máscara funcional para los movimientos de los dedos como los vóxeles activos en el contraste F asociado a cualquier tipo de movimiento de los dedos(p < 0,05 FWE). Además,se diseñó una máscara anatómica correspondiente a la corteza sensoriomotora utilizando mapas probabilísticos citoarquitectónicos publicados25,26, 27., La máscara anatómica incluía la corteza motora primaria M1 (áreas de Brodmann 4a y 4p) y la corteza somatosensorial primaria S1 (áreas de Brodmann 3a, 3b, 1 y 2). La máscara anatómica se proyectó hacia atrás en el espacio nativo de cada participante. Esto llevó a 2190 voxels en el hemisferio izquierdo de P1 para los movimientos del dedo derecho, 2037 voxels en el hemisferio derecho de P1 para los movimientos del dedo izquierdo, y 343.8 ± 417.1 (media ± std) voxels en el hemisferio izquierdo de los controles para los movimientos del dedo derecho (suplemento Fig. 3).,
para analizar los patrones de activación dentro de los voxels seleccionados asociados a cada ensayo de movimiento de dedos, se calculó un segundo análisis GLM, que incluyó un regresor para cada ensayo de golpeteo de dedos (24 para P1 y 20 para controles) y seis regresores de movimientos rígidos. Por separado para cada participante, las estimaciones beta para cada ensayo tapping se extrajeron dentro de los voxels seleccionados (lo que resultó en una matriz de ensayo × voxels)., Estos patrones de alta dimensión se proyectaron a dos dimensiones mediante la escala multidimensional clásica (MDS), que encuentra proyecciones de baja dimensión que preservan aproximadamente las distancias entre pares entre los patrones de activación de alta dimensiona14. Como métrica de distancia para el MDS, utilizamos la distancia Mahalanobis validada cruce14. Para el grupo control de cinco dedos, el SMD se realizó para cada sujeto por separado. Como las proyecciones de MDS inducen una rotación arbitraria, alineamos las proyecciones de los sujetos individuales utilizando el alineamiento Procrustes14. Elipses de error estándar que se muestran en la Fig., 2e se calcularon a partir de la covarianza entre los sujetos. Como La alineación de Procrustes también puede eliminar parte de la verdadera variabilidad inter-subjecto14, utilizamos un procedimiento de Monte Carlo para estimar una corrección y ajustamos las elipses de error estándar de acuerdo con ellos14. Para el sujeto polidáctico P1, calculamos la covarianza mediante el arranque de los ensayos. Para cada muestra de bootstrap se calculó una proyección de MDS. Las proyecciones de MDS bootstrapped fueron alineadas usando alineación Procrustes. Las elipses de error estándar (Fig. 2e, suplemento Fig., 4) se calcularon a partir de la covarianza entre proyecciones de SMD Bootstrap, ajustadas por factores de corrección estimados por un procedimiento de Montecarlo 14.
tarea de localización de dedos
se realizó una tarea de localización de dedos 20 para investigar la forma percibida de la mano de P1, P2 y de un grupo de nueve controles. A los participantes se les vendaron los ojos y se les colocó la mano debajo de una estructura coronada por una cuadrícula 2D. Tenían que apuntar en la cuadrícula con el índice de la mano libre hacia las ubicaciones señalizadas en la mano probada., Se les pidió que identificaran tres ubicaciones en cada dedo: el primer nudillo, el segundo nudillo y la punta (un total de 18 ubicaciones por mano para P1 y P2, y 15 ubicaciones para los controles). Cada ubicación se probó seis veces para P1 y P2, cuatro veces para los controles. La tarea se llevó a cabo para ambas manos en P1 y P2, solo para la mano derecha en los controles. La tarea se llevó a cabo una vez con señales táctiles, es decir, las ubicaciones objetivo se tocaron con un filamento de plástico, y una vez con señales verbales, es decir, las ubicaciones objetivo se nombraron oralmente., El error de localización se midió para cada ubicación probada como la distancia 2D-euclidiana entre las posiciones reportadas en la rejilla y las posiciones reales de las ubicaciones probadas en la rejilla (Fig. 2f). Se obtuvieron resultados similares con las señales táctiles y orales; solo reportamos los resultados de las señales táctiles.
manipulación de objetos y tareas comunes de movimiento
configuración Experimental: los sujetos estaban sentados frente a un escritorio durante las dos tareas descritas a continuación., Se utilizó un sistema de captura de movimiento electromagnético (Polhemus Liberty 240/16-16) para registrar los movimientos de la mano y los dedos durante la manipulación de objetos y las tareas de movimiento comunes (véase la Fig. 5A). Las manos se mantuvieron a 0,6 m de distancia del sistema principal Polhemus para mantener el ruido de grabación por debajo de 0,005 mm. en total, 12, respectivamente, 14 sensores se conectaron a la mano y los dedos de los sujetos de cinco o seis dedos utilizando cinta médica. Cada sensor midió tres coordenadas cartesianas para la posición y tres ángulos para la orientación relativa a la estación principal., Cada sensor estaba conectado al sistema Polhemus mediante cables de aluminio aislados con plástico. Dos sensores grandes (9 × 11 × 6 mm3 en posiciones máximas, 9.1 g) se colocaron en la piel en la parte superior de los huesos metacarpianos medio y pulgar. Los otros fueron pequeños sensores (esféricos, 17,3 mm de longitud, 1,8 mm de diámetro exterior, < 1 g) que se colocaron en las falanges distal y proximal de cada dedo. Las mediciones se registraron a 120 Hz.
tarea de manipulación de objetos: los dos sujetos de polidactilia y 13 sujetos de control con manos de cinco dedos (seis mujeres, Edad Media 24.,8 con desviación estándar 2.0) participó en una tarea de manipulación de objetos. El procedimiento experimental para la tarea de manipulación de objetos fue adaptado de ref. 21. Elegimos 50 objetos con diferentes formas, tamaños, texturas y materiales (Ver fig. 5B). Estos objetos estaban sin metal o materiales paramagnéticos para no interferir con la medición de Polhemus basada en campos magnéticos. A los sujetos se les vendaron los ojos y se les entregaron los objetos uno por uno. Tenían que explorar un objeto con una mano, y adivinar lo que es (Ver Película suplementaria 4). Cada objeto fue explorado durante 30 s., Cuando un objeto fue reconocido antes de los 30 s, Se le pidió al sujeto que explorara características especiales de este objeto, como puntas, bordes, etc.
tareas comunes de movimiento: los dos sujetos de polidactilia y 8 de los 13 sujetos con manos de cinco dedos que llevaron a cabo la tarea de manipulación de objetos (cinco mujeres, Edad Media 24.3 con desviación estándar 2.0) también realizaron cuatro tareas comunes de movimiento (ver también la película suplementaria 5). Atar cordones de zapatos: el extremo de dos cordones de zapatos se fijaba en una mesa y los sujetos debían atar los cordones con dos manos., Voltear páginas de libros: a los sujetos se les dio un libro y tuvieron que voltear páginas con una sola mano. Plegado de servilletas: los sujetos recibieron una servilleta de papel y tuvieron que doblarla en una forma específica (como se usa en los restaurantes) y en una secuencia específica usando ambas manos. Enrollar una toalla: a los sujetos se les dio una toalla y se les pidió que la enrollaran en cilindros con ambas manos. Se registraron cinco minutos de movimiento por tarea durante los cuales se pidió a los sujetos que repitieran la tarea con la frecuencia que quisieran.,
análisis de datos: se utilizó la posición de cada sensor pequeño en relación con el sensor grande en el Centro de los huesos metacarpianos para un análisis posterior. Las mediciones de posición en bruto se suavizaron con un filtro Savitzky-Golay (tercer orden, longitud 41 puntos de muestra equivalentes a 341,67 ms). Las velocidades de movimiento se calcularon a partir de mediciones posicionales brutas con un primer filtro Savitzky-Golay derivado (tercer orden, longitud 41 puntos de muestra equivalentes a 341,67 ms).,
análisis de la (in) dependencia de los dedos: para evaluar la (in)dependencia de los movimientos de los dedos se estimó la información mutua entre los movimientos de los diferentes dedos. La información mutua entre dos señales estocásticas continuas X E y se define como:
donde σX, σY son las matrices de covarianza de las densidades marginales X e Y y σXY es la matriz de covarianza de la densidad de la articulación. Se puede obtener una comprensión más intuitiva de la información mutua para las señales normales univariadas X e Y para las cuales la EC., (3) simplifica aún más a
donde r(x, y) es coeficiente de correlación de Pearson entre X e Y. para estimar la información mutua entre dos dedos, utilizamos las mediciones de posición en seis dimensiones de los dos sensores en cada dedo, estimamos las matrices de covarianza a partir de la serie temporal de posiciones de movimiento y aplicamos la EC. (3).,
predicción de los movimientos individuales de los dedos a partir de los movimientos de otros dedos: el movimiento de cada dedo individual se predijo a partir de los movimientos de los otros dedos. Para los sujetos de seis dedos, la predicción se realizó con y sin el dedo supernumerario; este último para facilitar la comparación con los resultados de los sujetos de cinco dedos. Las posiciones x / Y / z de los dos sensores en cada dedo constituían el vector de movimiento de seis dimensiones de cada dedo., Estos seis componentes se predijeron individualmente a partir de los vectores de movimiento de 24 o 30 dimensiones de los cuatro o cinco dedos restantes. La predicción se realizó utilizando mínimos cuadrados lineales y regresión vectorial de soporte no lineal. Utilizamos doble validación cruzada con divisiones cronológicas de los datos para evitar el sobreajuste. La calidad de la predicción se cuantificó calculando el coeficiente de determinación (R2) entre el movimiento predicho y real para cada componente del vector de movimiento de seis dimensiones y luego promediando los valores de R2 en las seis dimensiones., Utilizamos regresión vectorial de soporte con un núcleo gaussiano y los hiperparámetros (es decir, el ancho del núcleo, así como el parámetro de regularización) se optimizaron en el conjunto de datos de entrenamiento. Utilizamos la implementación de Matlab («fitrsvm») para la regresión vectorial de soporte y la optimización de hiperparámetros. Para reducir el tiempo de cómputo, los datos fueron muestreados a 120/20 = 6 Hz.
análisis de componentes principales (PCA) de grados de liberación21,28,29: el PCA se realizó en el sensor X/Y/Z-posiciones medidas con dos sensores en cada dedo durante la manipulación del objeto y las tareas de movimiento comunes., La cantidad acumulada de varianza capturada por un número creciente de componentes principales se representa en la Fig. 3B Y suplemento Fig. 6B. para calcular el número efectivo de dof aplicamos dos algoritmos: el método de validación cruzada PCA con Eigenvector recomendado en ref. 30 y el método de validación cruzada PCA utilizando la maximización de expectativas para los valores faltantes como se propone en la ref. 31., Ambos métodos utilizan un procedimiento de validación cruzada en el que el PCA se calcula primero a partir de los datos de entrenamiento y luego se aplica para predecir las muestras de los datos de prueba,mientras que el conjunto de datos de entrenamiento y prueba se excluyen mutuamente 30,31. En nuestro caso, utilizamos diez veces la validación cruzada y dividimos cronológicamente los datos de movimiento por separado para cada tarea en diez partes utilizando en cada pliegue nueve de esas partes en el entrenamiento y una parte en los datos de prueba., Los primeros y los últimos 10 s del conjunto de datos de prueba fueron excluidos para cada tarea para evitar cualquier influencia del entrenamiento en los datos de prueba debido a la auto-correlación del movimiento. El error cuadrado medio entre la predicción y los datos reales se calculó en función del número de componentes principales. El número de componentes principales que produjeron el error más pequeño se utilizó como estimación para el número efectivo de dof y se calculó para cada sujeto por separado., Para cada sujeto promediamos el número determinado de componentes principales en ambos métodos30,31 y lo usamos como una estimación del número de grados de libertad (Fig. 3C, suplemento Fig. 6C).
análisis teórico de la información de los grados de libertad: además del análisis PCA descrito en el apartado anterior, analizamos los grados de libertad mediante entropía de la información. En contraste con el PCA, el análisis de la entropía de información tiene en cuenta las posibles relaciones no lineales entre los movimientos de los dedos., La entropía de información, por otro lado, requiere una estimación de la distribución de probabilidad conjunta de los movimientos del dedo. Para calcular esta distribución de probabilidad conjunta, discretizamos los movimientos del dedo clasificando el estado de movimiento de cada dedo en una de tres condiciones del conjunto MS = {resto, flexión, extensión}, basado en los movimientos de las articulaciones interfalángicas distal y proximal. Se calcularon las coordenadas esféricas (distancia, ángulo polar y azimut) del sensor distal en relación con su sensor proximal., La PCA se realizó en los ángulos polar y azimut y los movimientos a lo largo del primer componente principal se utilizaron para representar los movimientos de cada dedo. Para cada dedo, la primera derivada v del primer PC se calculó como la diferencia entre dos contenedores de tiempo consecutivos y se usó para derivar el estado de movimiento actual basado en un umbral μ = 0.3 SD(v): flexión para v < −μ, extensión para v > μ, resto de lo contrario. Diferentes valores de umbral (μ = 0.4 SD (v) o μ = 0.,1 SD (v)), así como diferentes conjuntos de Estados (solo dos Estados: flexión para v < 0 y extensión para v > 0), no cambiaron nuestra conclusión general con respecto a la comparación de la entropía de información entre sujetos de cinco y seis dedos. Calculamos la información o entropía de Shannon (H) de la distribución de probabilidad conjunta de los estados de movimiento de todos los dedos (p):
donde si ∈ MS es el estado del dedo i., Para n dedos el número de diferentes estados de movimiento es 3n y la entropía máxima es por lo tanto log2 (3) n que se obtiene cuando todos los estados de movimiento posibles tienen la misma probabilidad.
movimiento articular del pulgar, índice y dedo supernumerario: para cada punto de tiempo calculamos la velocidad de movimiento de cada dedo como la magnitud de su vector de velocidad tridimensional en la punta del dedo., Luego clasificamos el estado de movimiento de cada dedo en cada punto de tiempo como «reposo» o «movimiento» comparando la velocidad con un valor umbral que fue elegido como el percentil 10, 30 o 50 de la distribución de velocidad a través de todos los puntos de tiempo y todos los dedos. A partir de estos datos estimamos las probabilidades condicionales de que el pulgar y el dedo índice o solo el pulgar o solo el dedo índice se movieran dado que el dedo supernumerario se movía. Estas probabilidades condicionales se estimaron para los tres umbrales de velocidad (Fig. 3e, suplemento Fig. 6E).,
videojuego para seis dedos
los sujetos de polidactilia se sentaron frente a un monitor de computadora (DELL U2713HM) aproximadamente a 0,6 m de la pantalla, en el que se mostraban seis cajas de destino en el centro inferior de una pantalla negra. Durante el experimento, cursores oscilantes pasaron a través de las cajas de destino (Fig. 3G y película suplementaria 6). Cada uno de estos cuadrados oscilantes tenía una frecuencia diferente dentro de un rango predefinido. Los cuadros de destino individuales se pueden «tocar» pulsando una tecla correspondiente en un teclado de computadora estándar., Las teclas se eligieron para que coincidieran con la geometría de la mano de los sujetos individuales para garantizar que presionar las teclas fuera cómodo. Los sujetos fueron instruidos para rastrear los cursores oscilantes y presionar el botón correspondiente una vez que el cursor estaba dentro de su caja de destino asociada. Si el botón se presionó dentro de esta ventana de tiempo, se contó como una pulsación correcta, si se presionó fuera se contó como una pulsación falsa. El número de pulsaciones correctas y falsas se sumó en todos los dedos y se acumuló durante el tiempo del juicio.,
el rendimiento de los sujetos se evaluó en función de su precisión (prensas correctas/recuento objetivo) y tasa de error (prensas falsas/todas las prensas). El objetivo era aumentar la precisión y disminuir la tasa de error. Al comienzo de cada ensayo se estableció la precisión objetivo y el umbral de tasa de error de acuerdo con el nivel (tabla suplementaria 1); cada nivel se definió por la velocidad de movimiento de los cursores oscilantes y umbrales sobre la precisión y la tasa de error., Una vez que el sujeto cruzó ambos umbrales, se esperaba que el participante mantuviera su desempeño Por encima de la precisión y por debajo del umbral de error durante 2 Minutos, momento en el cual el ensayo terminaría y el nivel aumentaría. Para cada nivel posterior, el umbral de precisión se estableció un 10% más alto y la tasa de error se estableció un 10% más baja. Si el sujeto fue capaz de cruzar el umbral del 70% para la precisión y pasar por debajo del umbral del 30% para la tasa de error, el rango de frecuencia de oscilación se incrementó en 0.05 Hz., Después de aumentar la frecuencia de oscilación, el umbral de precisión y la tasa de error se volvieron al valor original de 50%. Véase la tabla suplementaria 1, en la que se destacan los valores de los parámetros asociados a los diferentes niveles. Si el sujeto no fue capaz de alcanzar el siguiente nivel en 7 minutos, el ensayo fue abortado y después de un breve descanso, se le pidió al sujeto que repitiera el mismo nivel.
durante cada ensayo, se presentó al sujeto la siguiente retroalimentación visual adicional. Si no se presionaba ninguna tecla, los cuadros de destino se mostraban en blanco., Presionando una tecla mientras no había cursor en el cuadro correspondiente, es decir, una pulsación falsa, el cuadro de destino se volvió rojo. Presionando una tecla mientras el cursor estaba en el cuadro correspondiente, es decir, presionando correctamente, el cuadro de destino se volvió azul. Debajo de los cuadros de destino, dos barras dieron retroalimentación visual sobre el rendimiento general del sujeto. La barra superior reflejaba la precisión y la barra inferior La tasa de error. Si la precisión del sujeto aumentaba, la barra de precisión se llenaba y viceversa., Al mismo tiempo, la disminución del error resulta en el llenado de la barra de error, de modo que una tasa de error igual a 0 resultó en una barra completamente llena, es decir, se presentó el valor de 1-Tasa de error. Cada barra era roja hasta que el sujeto cruzó el umbral establecido de la barra correspondiente, momento en el que se volvió verde. Los valores de umbral se mostraban como marcadores grises en las barras. Tan pronto como ambas barras se pusieron verdes, una cuenta atrás roja de 120 s apareció en el centro inferior de la pantalla., Si una barra se volvía roja de nuevo antes de que expirara el tiempo, la cuenta atrás se restablecía a 120 s y desaparecía hasta que ambas barras volvían a estar verdes. Además, cada cursor apareció individualmente en rojo (si está abajo) o verde (si está arriba) para el umbral de rendimiento en relación con el rendimiento individual del dedo correspondiente, por lo que los sujetos tenían una indicación de qué dedo requería mejora.
la evolución del rendimiento se muestra en la Fig. 3h. Los sujetos fueron evaluados durante cinco días consecutivos, así como 10 días después. Los sujetos realizaron la tarea durante 1 h por día., Los sujetos tuvieron que usar dos combinaciones de dedos diferentes para presionar las teclas; ya sea los seis dedos de la mano derecha o la mano derecha, pero reemplazaron el SF con el dedo índice de la mano izquierda (Fig. 3h).
análisis estadístico
para comparar dos muestras independientes se utilizó la prueba no paramétrica de Wilcoxon ranksum de dos caras y se calcularon intervalos de confianza del 95% sobre el tamaño del efecto (es decir, la diferencia de las medias de la población) utilizando el intervalo t agrupado de dos muestras., Para comparar dos muestras pareadas se utilizó la prueba de rango con signo de Wilcoxon no paramétrica y de dos lados y se calcularon intervalos de confianza del 95% sobre el tamaño del efecto utilizando el intervalo t Pareado. Todos los intervalos de confianza notificados reflejan la media de los sujetos con cinco dedos restada de la media de los sujetos con seis dedos, es decir, los valores positivos indican valores mayores para los sujetos con seis dedos.
para evaluar la correlación entre dos variables se calculó el coeficiente de correlación de Pearson., No se evaluó la significación estadística del coeficiente de correlación de Pearson, ya que las muestras a través de las cuales se calcularon las correlaciones no eran independientes.
resumen de informes
Más información sobre el diseño de la investigación está disponible en el resumen de informes de Investigación de Nature vinculado a este artículo.