Cette section décrit la série d’expériences menées par les deux sujets de polydactylie, P1 et P2, pour étudier la neuromécanique et les fonctions de leurs mains. Certaines expériences impliquaient en outre un groupe de sujets témoins avec des mains à cinq doigts. L’étude a été approuvée par les comités d’éthique institutionnels de L’Université de Fribourg, de L’Imperial College de Londres, de L’EPFL et du King’s College de Londres., Chaque sujet a donné son consentement éclairé avant de commencer chaque expérience.
analyse IRM de l’anatomie de la main
l’anatomie sous-jacente de la main du sujet P1 a été visualisée à l’aide de L’IRM au Département D’imagerie périnatale et de santé du King’s College de Londres. Des images pondérées T1, de récupération d’inversion et de densité de protons ont été acquises avec un système Siemens Aera de 1,5 Tesla (Erlangen, DE). Les Images n’ont pas pu être acquises auprès du sujet P2 en raison d’un implant dentaire métallique.
biomécanique de la main
Une interface dédiée à la main pour mesurer la force isométrique de chaque doigt (illustrée à la Fig., 2a) a été développé au Human Robotics group, Imperial College London, pour étudier la capacité de force des doigts gauche ou droit, chez les individus ayant des mains à cinq ou six doigts. La main a été placée horizontalement sur l’interface comme le montre la Fig. 2a. cinq ou six des huit supports imprimés en 3D, chacun fixé à un capteur de pesage (HTC), pouvaient glisser linéairement pour accueillir une main gauche ou droite de toute taille afin que le sujet puisse exercer confortablement une force verticale avec le bout de chaque doigt.
Les Forces sur tous les doigts ont été enregistrées à 128 Hz., Des expériences ont été réalisées avec cette interface sur les deux sujets de polydactylie ainsi que sur une population de 13 sujets témoins (six femelles) avec des mains à cinq doigts entre 25 et 35 ans. Les sujets étaient assis devant une table avec l’interface positionnée dessus de sorte que l’avant-bras reposait sur la table dans une position naturelle.
initialement, les sujets devaient exercer la force maximale possible avec un seul doigt. Cette force maximale (MF) a été enregistrée pour chaque doigt séparément en commençant par le pouce et se terminant par le petit doigt., La Figure 2b montre le MF pour les sujets à cinq et six doigts. En utilisant ces données, l’asservissant eij, caractérisant la dépendance entre les doigts i et j, a été calculé comme suit:
où I est le doigt qui génère MF tandis que FJ(I) est la force produite simultanément par le doigt j et MFJ est la force maximale du doigt J. l’asservissement pour les sujets à cinq et six doigts est présenté sur la Fig. 2d.,
ensuite, les sujets ont été invités à contrôler 10%, 20% ou 30% de MF au cours d’essais longs de 15 s. Trois essais ont été effectués à chaque niveau de force, totalisant 3 × 3 × 5 = 45 ou 3 × 3 × 6 = 54 essais par session pour des sujets à cinq et six doigts respectivement. Les sujets à cinq doigts n’ont effectué qu’une seule séance alors que les sujets à six doigts en ont effectué deux (sujet P1) ou trois (sujet P2). Les données de cette expérience ont été utilisées pour examiner comment la variabilité de la force dépend de la quantité de force exercée., Dans chaque essai, la variabilité de la force a été calculée comme l’écart type de la force sur la fenêtre de temps /128 s, qui a été sélectionné de sorte que les sujets exerçaient correctement la force requise pendant cette période dans presque tous les essais. Cinq essais (1 essai chez un sujet témoin, 2 essais chez le sujet P1 et 2 essais chez le sujet P2) ont été exclus de l’analyse car ils ont montré des fluctuations extraordinaires de la force dans le temps, ce qui indique que la tâche n’a pas été effectuée avec succès sur ces essais., La Figure 2c montre l’écart type de la force en fonction de l’ampleur de la force pour les sujets à cinq et six doigts.
IRM fonctionnelle
P1 et un groupe de neuf participants témoins avec des mains à cinq doigts ont participé à l’expérience IRMf. P2 a été exclu en raison d’un implant dentaire métallique. Dans une conception de bloc, les participants ont effectué un mouvement d’enregistrement pendant 20 s avec un seul doigt (20 taps par bloc, 1 tap par seconde) suivi de 10 s de repos. Quatre blocs ont été réalisés pour chaque doigt dans un ordre pseudo-randomisé (24 essais pour P1 et 20 essais pour les témoins)., P1 a effectué deux séances, une pour chaque main. Les contrôles ont effectué une seule session avec la main droite. Tous les participants ont été formés sur les mouvements avant d’entrer dans le scanner IRMf.
Les Images ont été acquises sur un scanner 7t à tête courte (Siemens Medical, Allemagne) avec une bobine rf Tx / Rx à 32 canaux (Nova Medical, Allemagne). Les images fonctionnelles ont été acquises à l’aide d’une séquence épi de lecture sinusoïdale23 et comprenaient 28 tranches axiales. Des tranches ont été placées sur le sillon central (approximativement orthogonal au sillon central) afin de couvrir les Cortex moteurs primaires (résolution de voxel 1.,3 × 1,3 × 1,3 mm3; TR = 2 s, champ de vision = 210 mm, TE = 27 ms, angle de retournement = 75°, GRAPPA = 2). Des images anatomiques ont été acquises à L’aide D’une séquence MP2RAGE 24 afin de permettre la localisation précise du sillon précentral (voir ci-dessous) et à des fins d’affichage (TE = 2,63 ms, TR = 7,2 ms, TI1 = 0,9 s, TI2 = 3,2 s, TRmprage = 5 s). Pour faciliter l’enregistrement entre les images fonctionnelles et anatomiques, un volume ÉPI cérébral entier a également été acquis avec la même inclinaison utilisée dans les séries fonctionnelles (81 tranches, résolution voxel 1.3 × 1.3 × 1.3 mm3, FOV = 210 mm, TE = 27 ms, angle de retournement = 75°, GRAPPA = 2)., Les sujets ont été scannés en décubitus dorsal.
toutes les images ont été analysées à l’aide du logiciel SPM8 (Wellcome Centre for Human Neuroimaging, Londres, Royaume-Uni). Le prétraitement des données IRMf comprenait la correction de la synchronisation des tranches, le réalignement spatial, le lissage (FWHM = 2 mm) et l’enregistrement avec des images anatomiques. Caret 5 (Van Essen Laboratory, Washington University School of Medicine) a été utilisé pour la visualisation de surface. Pour localiser les voxels inclus dans l’analyse des modèles d’activation (fig., 3), une première analyse GLM a été calculée, qui comprenait un régresseur par doigt (6 pour P1 et 5 pour les contrôles) et six régresseurs de mouvements rigides. Un masque fonctionnel pour les mouvements des doigts a été défini comme les voxels actifs dans le contraste F associés à tout type de mouvement des doigts (p < 0.05 FWE). De plus,un masque anatomique correspondant au cortex sensorimoteur a été conçu à l’aide de cartes cytoarchitectoniques probabilistes publiées25,26, 27., Le masque anatomique comprenait le cortex moteur primaire M1 (zones de Brodmann 4a et 4p) et le cortex somatosensoriel primaire S1 (zones de Brodmann 3a, 3b, 1 et 2). Le masque anatomique a été rétroprojeté sur l’espace natif de chaque participant. Cela a conduit à 2190 voxels dans L’hémisphère gauche de P1 pour les mouvements du doigt droit, 2037 voxels dans l’hémisphère droit de P1 pour les mouvements du doigt gauche, et 343,8 ± 417,1 (moyenne ± std) voxels dans l’hémisphère gauche des contrôles pour les mouvements du doigt droit (fig. 3).,
pour analyser les modèles d’activation dans les voxels sélectionnés associés à chaque essai de mouvement du doigt, une deuxième analyse GLM a été calculée, qui comprenait un régresseur pour chaque essai de tapotement du doigt (24 pour P1 et 20 pour les contrôles) et six régresseurs de mouvements rigides. Séparément pour chaque participant, les estimations bêta de chaque essai tapping ont été extraites à l’intérieur des voxels sélectionnés (résultant en une matrice trial × voxels)., Ces modèles de haute dimension ont été projetés à deux dimensions par la mise à l’échelle multidimensionnelle classique (MDS), qui trouve des projections de basse dimension préservant approximativement les distances par paire entre les modèles d’activation de haute dimension14. Comme mesure de distance pour le MDS, nous avons utilisé la distance Mahalanobis validée croisée14. Pour le groupe témoin à cinq doigts, la SDM a été réalisée pour chaque sujet séparément. Comme les projections MDS induisent une rotation arbitraire, nous avons aligné les projections des sujets individuels à l’aide de L’alignement Procrustes14. Ellipses d’erreur type illustrées à la Fig., 2e ont été calculées à partir de la covariance entre les sujets. Comme L’alignement des Procrustes peut également supprimer une partie de la vraie variabilité inter-sujet14, nous avons utilisé une procédure de Monte-Carlo pour estimer une correction et ajusté les ellipses d’erreur standard en accord14. Pour le sujet polydactly P1, nous avons calculé la covariance en amorçant les essais. Pour chaque échantillon bootstrap, une projection MDS a été calculée. Les projections MDS bootstrappées ont été alignées à L’aide de L’alignement Procrusses. Les ellipses d’erreur type (fig. 2e Complémentaire Fig., 4) ont été calculées à partir de la covariance entre les projections MDS bootstrappées, ajustées par des facteurs de correction estimés par une procédure de Monte-Carlo 14.
tâche de localisation des doigts
Une tâche de localisation des fingers20 a été menée pour étudier la forme perçue de la main de P1, P2 et d’un groupe de neuf témoins. Les Participants avaient les yeux bandés et leur main était placée sous une structure surmontée d’une grille 2D. Ils devaient pointer sur la grille avec l’index de la main libre vers les emplacements cued sur la main testée., Ils devaient identifier trois emplacements sur chaque doigt: la première articulation, la deuxième articulation et la pointe (total de 18 emplacements par main pour P1 et P2, et 15 emplacements pour les contrôles). Chaque emplacement a été testé six fois pour P1 et P2, quatre fois pour les contrôles. La tâche a été effectuée pour les deux mains EN P1 et P2, uniquement pour la main droite dans les commandes. La tâche a été effectuée une fois avec un repérage tactile, c’est-à-dire que les emplacements cibles ont été touchés avec un filament en plastique, et une fois avec un repérage verbal, c’est-à-dire que les emplacements cibles ont été nommés oralement., L’erreur de localisation a été mesurée pour chaque emplacement testé en tant que distance euclidienne 2D entre les positions rapportées sur la grille et les positions réelles des emplacements testés sur la grille (Fig. 2f). Des résultats similaires ont été obtenus avec des repérages tactiles et oraux; nous ne rapportons que les résultats des repérages tactiles.
manipulation D’objets et tâches courantes de déplacement
configuration expérimentale: les sujets étaient assis devant un bureau lors des deux tâches décrites ci-dessous., Un système de capture de mouvement électromagnétique (Polhemus Liberty 240/16-16)a été utilisé pour enregistrer les mouvements de la main et des doigts pendant la manipulation de l’objet et les tâches de mouvement courantes (voir fig. 5A). Les mains ont été maintenues à une distance de 0,6 m du système Polhemus principal pour maintenir le bruit d’enregistrement en dessous de 0,005 mm.au total, 12, respectivement 14 capteurs ont été fixés à la main et aux doigts de sujets à cinq ou six doigts à l’aide de ruban médical. Chaque capteur mesurait trois coordonnées cartésiennes pour la position et trois angles pour l’orientation par rapport à la station principale., Chaque capteur a été connecté au système Polhemus par des fils en aluminium isolés en plastique. Deux grands capteurs (9 × 11 × 6 mm3 aux positions maximales, 9,1 g) ont été placés sur la peau au-dessus des os métacarpiens du milieu et du pouce. Les autres étaient de petits capteurs (sphériques, longueur 17,3 mm, Diamètre extérieur 1,8 mm, <1 g) placés au niveau des phalanges distale et proximale de chaque doigt. Les mesures ont été enregistrées à 120 Hz.
tâche de manipulation D’objets: les deux sujets de polydactylie et 13 sujets de contrôle avec des mains à cinq doigts (six femmes, âge moyen 24.,8 avec écart type 2.0) participé à une tâche de manipulation d’objet. La procédure expérimentale pour la tâche de manipulation d’objet a été adaptée de ref. 21. Nous avons choisi 50 objets avec différentes formes, tailles, textures et matériaux (Voir fig. 5B). Ces objets étaient dépourvus de métal ou de matériaux paramagnétiques afin de ne pas interférer avec la mesure de Polhemus basée sur les champs magnétiques. Les sujets avaient les yeux bandés et recevaient les objets un par un. Ils devaient explorer un objet d’une seule main, et deviner ce que c’est (voir le film supplémentaire 4). Chaque objet a été exploré pendant 30 s., Lorsqu’un objet a été reconnu avant 30 s, le sujet a été invité à explorer les caractéristiques spéciales de cet objet telles que les pointes, les bords, etc.
tâches de mouvement courantes: les deux sujets de polydactylie et 8 des 13 sujets avec des mains à cinq doigts qui ont effectué la tâche de manipulation d’objet (cinq femmes, âge moyen 24,3 avec écart type 2,0) ont également effectué quatre tâches de mouvement courantes (voir également le film supplémentaire 5). Attacher les lacets de chaussures: l’extrémité de deux lacets de chaussures était fixée sur une table et les sujets devaient attacher les lacets à deux mains., Retournement des pages du livre: les sujets recevaient un livre et devaient retourner les pages d’une seule main. Pliage de serviette: les sujets recevaient une serviette en papier et devaient la plier dans une forme spécifique (telle qu’utilisée dans les restaurants) et dans une séquence spécifique à l’aide des deux mains. Rouler une serviette: les sujets ont reçu une serviette et ont demandé de la rouler dans des cylindres à l’aide des deux mains. Cinq minutes de mouvement par tâche ont été enregistrées au cours desquelles les sujets ont été invités à répéter la tâche aussi souvent qu’ils le souhaitaient.,
analyse des données: la position de chaque petit capteur par rapport au grand capteur au milieu des os métacarpiens a été utilisée pour une analyse plus approfondie. Les mesures de position brutes ont été lissées avec un filtre de Savitzky-Golay (troisième ordre, Longueur 41 points d’échantillon équivalent à 341,67 ms). Les vitesses de déplacement ont été calculées à partir de mesures de position brutes avec un filtre de Savitzky-Golay dérivé premier (troisième ordre, Longueur 41 points d’échantillon équivalent à 341,67 ms).,
analyse de la (In) dépendance des doigts: pour évaluer la (In)dépendance des mouvements des doigts, nous avons estimé l’information mutuelle entre les mouvements des différents doigts. L’information mutuelle entre deux signaux stochastiques continus X et Y est définie comme suit:
où σX, σY sont les matrices de covariance des densités marginales X et Y et σXY est la matrice de covariance de la densité commune. Une compréhension plus intuitive de l’information mutuelle peut être acquise pour les signaux normaux univariés X et Y pour lesquels Eq., (3) simplifie encore
où r(x, y) est le coefficient de corrélation de Pearson entre X et y. pour estimer l’information mutuelle entre deux doigts, nous avons utilisé les mesures de position en six dimensions des deux capteurs à chaque doigt, estimé les matrices de covariance à partir des séries chronologiques des positions de mouvement et appliqué EQ. (3).,
prédiction des mouvements individuels des doigts à partir des mouvements des autres doigts: le mouvement de chaque doigt individuel a été prédit à partir des mouvements des autres doigts. Pour les sujets à six doigts, la prédiction a été effectuée avec et sans le doigt surnuméraire; ce dernier pour faciliter la comparaison avec les résultats des sujets à cinq doigts. Les positions x / y / z des deux capteurs à chaque doigt constituaient le vecteur de mouvement à six dimensions de chaque doigt., Ces six composantes ont été prédites individuellement à partir des vecteurs de mouvement à 24 ou 30 dimensions des quatre ou cinq doigts restants. La prédiction a été faite en utilisant les moindres carrés linéaires et la régression des vecteurs de support non linéaire. Nous avons utilisé une double validation croisée avec des fractionnements chronologiques des données pour éviter le surajustement. La qualité de la prédiction a été quantifiée en calculant le coefficient de détermination (R2) entre le mouvement prévu et le mouvement réel pour chaque composante du vecteur de mouvement à six dimensions, puis en faisant la moyenne des valeurs de R2 à travers les six dimensions., Nous avons utilisé la régression vectorielle de support avec un noyau gaussien et les hyperparamètres (c’est-à-dire la largeur du noyau ainsi que le paramètre de régularisation) ont été optimisés sur l’ensemble de données d’entraînement. Nous avons utilisé L’implémentation Matlab (”fitrsvm ») pour la régression vectorielle de support et l’optimisation des hyperparamètres. Pour réduire le temps de calcul, les données ont été sous-échantillonnées à 120/20 = 6 Hz.
analyse en composantes principales (PCA) des degrés de liberté21,28,29: PCA a été réalisée sur le capteur X/y / z-positions mesurées avec deux capteurs à chaque doigt lors de la manipulation de l’objet et des tâches courantes de déplacement., La quantité cumulée de variance capturée par un nombre croissant de composantes principales est représentée sur la Fig. 3b et supplémentaire Fig. 6B. pour calculer le nombre effectif de dof, nous avons appliqué deux algorithmes: la méthode de validation croisée PCA avec vecteur propre recommandée en réf. 30 et la méthode PCA de validation croisée utilisant la maximisation des attentes pour les valeurs manquantes comme proposé dans la réf. 31., Les deux méthodes utilisent une procédure de validation croisée dans laquelle la PCA est d’abord calculée à partir de données d’entraînement,puis appliquée pour prédire les échantillons des données d’essai, tandis que l’ensemble de données d’entraînement et d’essai sont mutuellement exclusives30, 31. Dans notre cas, nous avons utilisé dix fois la validation croisée et divisé chronologiquement les données de mouvement séparément pour chaque tâche en dix parties en utilisant dans chaque pli neuf de ces parties dans la formation et une partie dans les données de test., Les 10 premières et dernières secondes de l’ensemble de données d’essai ont été exclues pour chaque tâche afin d’éviter toute influence de l’entraînement sur les données d’essai en raison de l’auto-corrélation du mouvement. L’erreur quadratique moyenne entre la prédiction et les données réelles a été calculée en fonction du nombre de composantes principales. Le nombre de composantes principales qui ont produit la plus petite erreur a été utilisé comme estimation du nombre effectif de dof et a été calculé pour chaque sujet séparément., Pour chaque sujet, nous avons fait la moyenne du nombre déterminé de composantes principales dans les deux méthodes30,31 et nous l’avons utilisé comme estimation du nombre de degrés de liberté (fig. 3c, Complémentaire Fig. 6C).
analyse théorique des degrés de liberté de l’Information: en plus de l’analyse PCA décrite dans la section précédente, nous avons analysé les degrés de liberté en utilisant l’entropie de l’information. Contrairement à la PCA, l’analyse de l’entropie de l’information prend en compte les relations non linéaires potentielles entre les mouvements des doigts., Informations entropie, d’autre part, nécessite une estimation de la distribution de probabilité conjointe des mouvements des doigts. Pour calculer cette distribution de probabilité articulaire, nous avons discrétisé les mouvements des doigts en classant l’état de mouvement de chaque doigt dans l’une des trois conditions de L’ensemble MS = {rest, flexion, extension}, en fonction des mouvements des articulations interphalangiennes distale et proximale. Les coordonnées sphériques (distance, angle polaire et azimutal) du capteur distal par rapport à son capteur proximal ont été calculées., La PCA a été réalisée sur les angles polaire et azimutal et les mouvements le long de la première composante principale ont été utilisés pour représenter les mouvements de chaque doigt. Pour chaque doigt, la dérivée première v du premier PC a été calculée comme la différence entre deux bins de temps consécutifs et utilisée pour dériver l’état de mouvement courant sur la base d’un seuil μ = 0,3 SD(v): flexion pour v < −μ, extension pour v > μ, repos sinon. Différentes valeurs de seuil (μ = 0,4 SD (v) ou μ = 0.,1 SD(v)), ainsi que différents ensembles d’États (seulement deux états: flexion pour v < 0 et extension pour v > 0), n’ont pas changé notre conclusion générale concernant la comparaison de l’entropie de l’information entre les sujets à cinq et six doigts. Nous avons calculé l’information ou entropie de Shannon (H) de la distribution de probabilité conjointe des états de mouvement de tous les doigts (p):
où si ∈ MS est l’état du doigt I., Pour n doigts, le nombre d’états de mouvement différents est 3n et l’entropie maximale est donc log2(3)n qui est obtenue lorsque tous les états de mouvement possibles ont une probabilité égale.
mouvement conjoint du pouce, de l’index et du doigt surnuméraire: pour chaque point temporel, nous avons calculé la vitesse de déplacement de chaque doigt comme l’amplitude de son vecteur de vitesse tridimensionnel au bout du doigt., Nous avons ensuite classé l’état de mouvement de chaque doigt dans chaque point temporel comme « repos” ou « déplacement” en comparant la vitesse à une valeur seuil qui a été choisie comme 10e, 30e ou 50e percentile de la distribution de la vitesse sur tous les points temporels et tous les doigts. À partir de ces données, nous avons estimé les probabilités conditionnelles que le pouce et l’index ou le pouce seul ou l’index seul se déplaçaient étant donné que le doigt surnuméraire se déplaçait. Ces probabilités conditionnelles ont été estimées pour les trois seuils de vitesse (fig. 3e, Complémentaire Fig. 6E).,
jeu vidéo pour six doigts
Les sujets de polydactylie étaient assis devant un écran d’ordinateur (DELL U2713HM) à environ 0,6 m de l’écran, sur lequel six cases cibles étaient affichées au centre inférieur d’un écran noir. Au cours de l’expérience, des curseurs oscillants ont traversé les cases cibles (Fig. 3G et film supplémentaire 6). Chacun de ces carrés oscillants avait une fréquence différente dans une plage prédéfinie. Les cases cibles individuelles peuvent être « touchées » en appuyant sur une touche correspondante sur un clavier d’ordinateur standard., Les touches ont été choisies pour correspondre à la géométrie de la main des sujets individuels pour s’assurer que la pression sur les touches était confortable. Les sujets ont été chargés de suivre les curseurs oscillants et d’appuyer sur le bouton correspondant une fois que le curseur était dans sa zone cible associée. Si le bouton a été pressé dans cette fenêtre de temps, il a compté comme une presse correcte, si elle a été pressée à l’extérieur, il a été compté comme une fausse presse. Le nombre de presses correctes et fausses a été additionné sur tous les doigts et accumulé au cours du temps de l’essai.,
la performance des sujets a été évaluée sur leur précision (presses correctes/nombre de cibles) et leur taux d’erreur (fausses presses/toutes les presses). L’objectif était d’augmenter la précision, tout en diminuant le taux d’erreur. Au début de chaque essai, la précision cible et le seuil de taux d’erreur étaient fixés en fonction du niveau (tableau supplémentaire 1); chaque niveau était défini par la vitesse de déplacement des curseurs oscillants et des seuils sur la précision et le taux d’erreur., Une fois que le sujet a franchi les deux seuils, Le participant devait maintenir son rendement au-dessus de la précision et au-dessous du seuil d’erreur pendant 2 minutes, moment auquel l’essai se terminerait et le niveau serait augmenté. Pour chaque niveau suivant, le seuil de précision a été fixé 10% plus haut et le taux d’erreur a été fixé 10% plus bas. Si le sujet était capable de franchir le seuil de 70% pour la précision et de passer en dessous du seuil de 30% pour le taux d’erreur, la gamme de fréquences d’oscillation était augmentée de 0,05 Hz., Après avoir augmenté la fréquence d’oscillation, le seuil de précision et le taux d’erreur ont été ramenés à la valeur initiale de 50%. Voir le tableau supplémentaire 1 qui met en évidence les valeurs des paramètres associés aux différents niveaux. Si le sujet n’a pas pu atteindre le niveau suivant dans les 7 minutes, l’essai a été interrompu et après une courte pause, le sujet a été invité à répéter le même niveau.
au cours de chaque essai, la rétroaction visuelle supplémentaire suivante a été présentée au sujet. Si aucune touche n’était enfoncée, les cases cibles étaient affichées en blanc., En appuyant sur une touche alors qu’aucun curseur n’était dans la case correspondante, c’est-à-dire une fausse pression, la case cible est devenue rouge. En appuyant sur une touche alors qu’un curseur était dans la case correspondante, c’est-à-dire en appuyant correctement, la case cible est devenue bleue. Sous les cases cibles, deux barres donnaient un retour visuel sur la performance globale du sujet. La barre supérieure reflétait la précision et la barre inférieure le taux d’erreur. Si la précision du sujet augmente, la barre de précision se remplit et vice versa., Dans le même temps, la diminution de l’erreur entraîne le remplissage de la barre d’erreur, de sorte qu’un taux d’erreur égal à 0 donne une barre entièrement remplie, c’est-à-dire que la valeur de 1-Taux d’erreur a été présentée. Chaque barre était rouge jusqu’à ce que le sujet franchisse le seuil défini de la barre correspondante, à quel point il est devenu vert. Les valeurs de seuil ont été affichées sous forme de marqueurs gris sur les barres. Dès que les deux barres sont devenues vertes, un compte à rebours rouge de 120 s est apparu au centre inférieur de l’écran., Si une barre redevenait rouge avant l’expiration de l’heure, le compte à rebours était réinitialisé à 120 s et disparaissait jusqu’à ce que les deux barres redeviennent vertes. En outre, chaque curseur est apparu individuellement en rouge (Si ci-dessous) ou en vert (Si ci-dessus) pour le seuil de performance par rapport à la performance individuelle du doigt correspondant, de sorte que les sujets avaient une indication du doigt à améliorer.
l’évolution des performances est illustrée à la Fig. 3h. les sujets ont été testés pendant cinq jours consécutifs ainsi que 10 jours après. Les sujets ont effectué la tâche pendant 1 h par jour., Les sujets devaient utiliser deux combinaisons de doigts différentes pour appuyer sur les touches; soit les six doigts de la main droite, soit la main droite, mais remplaçaient le SF par l’index de la main gauche (Fig. 3h).
analyse statistique
pour comparer deux échantillons indépendants, nous avons utilisé le test de Wilcoxon ranksum non paramétrique et bilatéral et calculé des intervalles de confiance de 95% sur la taille de l’effet (c’est-à-dire la différence des moyennes de population) en utilisant l’intervalle t mis en commun de deux échantillons., Pour comparer deux échantillons appariés, nous avons utilisé le test de rang signé Wilcoxon non paramétrique et bilatéral et calculé des intervalles de confiance de 95% sur la taille de l’effet en utilisant l’intervalle t apparié. Tous les intervalles de confiance déclarés reflètent la moyenne pour les sujets à cinq doigts soustraite de la moyenne pour les sujets à six doigts, c.-à-d. les valeurs positives indiquent des valeurs plus élevées pour les sujets à six doigts.
pour évaluer la corrélation entre deux variables, nous avons calculé le coefficient de corrélation de Pearson., Nous n’avons pas évalué la signification statistique du coefficient de corrélation de Pearson, car les échantillons dans lesquels les corrélations ont été calculées n’étaient pas indépendants.
résumé des rapports
de plus amples renseignements sur la conception de la recherche sont disponibles dans le résumé des rapports de recherche sur la Nature lié à cet article.