Madame Lelica

ahol i az ujj, amely MF-et generál, míg az FJ(I) A J ujj által egyidejűleg előállított erő, az MFJ pedig a j ujj maximális ereje. 2d.,

ezután az alanyokat felkérték, hogy ellenőrizzék az MF 10% – át, 20% – át vagy 30% – át 15 s hosszú vizsgálat során. Három vizsgálatot végeztek minden erő szintjén, összesen 3 × 3 × 5 = 45 vagy 3 × 3 × 6 = 54 vizsgálatot végeztek ülésenként öt -, illetve hatujjas alanyok esetében. Az ötujjas alanyok csak egy munkamenetet végeztek, míg a hatujjas alanyok két (P1 alany) vagy három (P2 alany) ülést végeztek. A kísérletből származó adatokat arra használták fel, hogy megvizsgálják, hogy az erő variabilitása hogyan függ az kifejtett erő mennyiségétől., Minden vizsgálatban az erő változékonyságát az erő szórásának számították az időablakban /128 s-ban, amelyet úgy választottak ki, hogy az alanyok szinte minden vizsgálatban helyesen gyakorolják a szükséges erőt ebben az időszakban. Öt vizsgálatokban (1 tárgyalás egy irányítás alá, 2 vizsgálatokban a tárgy P1, 2 vizsgálatokban a tárgy P2) kizárták az elemzés azt mutatta, rendkívüli nagy ingadozások az erő, az egész idő, jelezve, hogy a feladatot nem végzett el sikeresen ezek a vizsgálatok., A 2C. ábra az erő szórását mutatja az öt – és hatujjas alanyok erőnagyságának függvényében.

funkcionális MRI

P1 és egy kilenc kontroll résztvevőből álló, ötujjas kezű csoport vett részt az fMRI kísérletben. A P2-t fémes fogászati implantátum miatt kizárták. Egy blokk kialakításánál a résztvevők 20 másodperc alatt szalagmozdulatot hajtottak végre egyetlen ujjal(20 csap / blokk, 1 csap / másodperc), majd 10 másodperc pihenés. Minden egyes ujj esetében négy blokkot végeztek pszeudo-randomizált sorrendben (24 vizsgálat a P1-re és 20 vizsgálat a kontrollokra)., P1 végzett két ülés, egy-egy kéz. A vezérlők csak egy munkamenetet hajtottak végre a jobb kezével. Minden résztvevőt kiképeztek a mozgásokra, mielőtt beléptek az fMRI szkennerbe.

a képeket egy rövid csövű, csak 7T-os szkennerrel (Siemens Medical, Németország) szerezték be, 32 csatornás Tx/Rx rf-tekercs (Nova Medical, Németország). A funkcionális képeket szinuszos leolvasó EPI-szekvenciával szereztük be23, amely 28 axiális szeletből állt. A szeletek a központi sulcus fölé kerültek (körülbelül ortogonális a központi sulcusra), hogy lefedjék az elsődleges motorcsúcsokat (voxel felbontás 1.,3 × 1,3 × 1,3 mm3; TR = 2 s, FOV = 210 mm, TE = 27 ms, flip szög = 75°, GRAPPA = 2). Az anatómiai képeket MP2RAGE szekvenciával szerezték24 annak érdekében, hogy lehetővé tegyék a precentrális sulcus pontos lokalizációját (lásd alább), valamint megjelenítési célokra (TE = 2,63 ms, TR = 7,2 ms, TI1 = 0,9 s, TI2 = 3,2 s, TRmprage = 5 s). A támogatás coregistration között, a funkcionális, valamint az anatómiai képek, egy egész agy EPI kötet is szerzett ugyanazzal a hajlam használni a funkcionális fut (81 szelet, voxel felbontás 1.3 × 1.3 × 1.3 mm3, FOV = 210 mm, TE = 27 ms, flip szög = 75°, GRAPPA = 2)., Az alanyokat fekvő helyzetben szkennelték.

az összes képet az SPM8 szoftver segítségével elemezték (Wellcome Centre for Human Neuroimaging, London, Egyesült Királyság). Az fMRI-adatok előfeldolgozása magában foglalta a szelet időzítési korrekcióját, a térbeli átrendeződést, a simítást (FWHM = 2 mm), valamint az anatómiai képekkel való coregisztrációt. Caret 5 (van Essen Laboratory, Washington University School of Medicine) használták felszíni vizualizációs. Az aktiválási minták elemzésében szereplő voxelek lokalizálása (kiegészítő ábra., 3) kiszámították az első GLM-elemzést, amely egy regresszort tartalmazott ujjanként (6 a P1-hez és 5 a kontrollokhoz) és hat merev mozgás regresszort. Az ujjmozgások funkcionális maszkját az F-kontraszt aktív voxeleként definiálták, amely bármilyen típusú ujjmozgáshoz kapcsolódik (p < 0, 05 FWE). Ezenkívül a szenzomotoros kéregnek megfelelő anatómiai maszkot a közzétett valószínűségi citoarchitektonikus maps25,26,27 felhasználásával tervezték., Az anatómiai maszk tartalmazza az elsődleges motoros cortex M1 (Brodmann területek 4A és 4p) és az elsődleges szomatoszenzoros cortex S1 (Brodmann területek 3A, 3b, 1 és 2). Az anatómiai maszkot az egyes résztvevők natív térére vetítették vissza. Ez 2190 voxelhez vezetett a P1 bal féltekén a jobb ujjmozgásokhoz, 2037 voxelhez a P1 jobb féltekén a bal ujjmozgásokhoz, 343,8 ± 417,1 (átlag ± std) voxelhez a jobb ujjmozgások vezérlésének bal féltekén (kiegészítő ábra. 3).,

elemezni az aktiváló minták belül a kiválasztott voxels kapcsolódó minden tárgyalás ujj mozgását, a második GLM elemzés számított, amely tartalmazza egy regressor minden ujjával megérinti a tárgyalás (24 P1 20 a kontroll), valamint hat merev mozdulatok regressors. Külön-külön minden résztvevő, a béta becslések minden megérinti próba kivont a kiválasztott voxels (ami egy próba × voxels mátrix)., Ezeket a nagy dimenziós mintákat a klasszikus többdimenziós skálázás (MDS) két dimenzióra vetítette, amely alacsony dimenziós vetületeket talál, amelyek megközelítőleg megőrzik a nagy dimenziós aktiválási minták közötti páros távolságot.14. Az MDS távolságmérőjeként a kereszt-validált Mahalanobis távolságot használtuk14. Az ötujjas kontrollcsoport esetében az MDS-t minden egyes tárgy esetében külön-külön végezték el. Mivel az MDS-előrejelzések tetszőleges forgást idéznek elő, az egyes alanyok vetületeit Procrustes alignment14 segítségével igazítottuk. Standard hiba ellipszisek ábrán látható., Az 2e-t a kovarianciából számították ki az alanyok között. Mivel a Procrustes igazítás eltávolíthat néhány valódi tárgyközi variabilitást is14, egy Monte-Carlo eljárást alkalmaztunk a korrekció becslésére és a standard hibaelhárítási ellipszisek beállításához14. A P1 polidaktikus alany esetében A kovarianciát a kísérletek bootstrappingjával számítottuk ki. Minden bootstrap minta esetében MDS-vetítést számítottunk ki. A bootstrapped MDS előrejelzések igazították Procrustes igazítás. A standard hiba ellipszis (ábra. 2e, kiegészítő ábra., 4) a kovarianciából számították ki a bootstrapped MDS előrejelzéseket, amelyeket egy Monte-Carlo eljárással becsült korrekciós tényezők14 korrigáltak.

ujj lokalizációs feladat

egy ujj lokalizációs feladat20-at végeztek a P1, P2, valamint egy kilenc kontrollcsoport érzékelt kézformájának vizsgálatára. A résztvevőket bekötötték, kezüket egy 2D rács tetején lévő szerkezet alá helyezték. A szabad kéz indexével a rácsra kellett mutatniuk a vizsgált kéz cued helyei felé., Mindegyik ujjal három helyet kellett azonosítaniuk: az első csülök, a második csülök és a csúcs (a P1 és P2 kézenként összesen 18 hely, a vezérléshez pedig 15 hely). Minden helyet hatszor teszteltek a P1 és P2 esetében, négyszer a kezelőszervek esetében. A feladatot mindkét kéz számára P1-ben és P2-ben végezték, csak a jobb kéz számára a vezérlőkben. A feladatot egyszer tactile cueing segítségével végezték el, azaz a célhelyeket egy műanyag izzószállal érintették meg, majd egyszer szóbeli cueing, azaz a célhelyeket szóban nevezték el., A lokalizációs hibát minden vizsgált helyen a rácson jelentett pozíciók és a vizsgált helyek valós pozíciói közötti 2D-euklideszi távolságként mértük (ábra). 2f). Hasonló eredményeket ért el tapintható és orális cueing; mi csak jelenteni az eredményeket tapintható cueing.

Object manipulation and common movement tasks

Experimental setup: az alanyok az alábbi két feladat során asztal előtt ültek., Az elektromágneses mozgásrögzítő rendszert (Polhemus Liberty 240/16-16) használták a kéz-és ujjmozgások rögzítésére az objektum manipulálása és a közös mozgási feladatok során (lásd a kiegészítő ábrát. 5A). A kezében tartott, a 0,6 m távolság a fő Polhemus rendszer fenntartása a felvétel zaj alábbi 0.005 mm. Összesen 12, illetve 14 érzékelők voltak csatolva a kezét, s ujjait, öt – vagy hat ujjas alanyok használata orvosi szalagot. Minden érzékelő három derékszögű koordinátát mért a pozícióhoz és három szöget a főállomáshoz viszonyítva., Minden érzékelőt műanyag szigetelt alumíniumhuzalokkal csatlakoztattak a Polhemus rendszerhez. Két nagy szenzor (9 × 11 × 6 mm3 maximális pozíciókban, 9,1 g) került a bőrre a középső és a hüvelykujj metakarpal csontjai tetején. A többiek kis szenzorok voltak (gömb alakú, 17,3 mm hosszú, 1,8 mm Külső átmérő, <1 g), amelyeket az egyes ujjak disztális és proximális falánál helyeztek el. A méréseket 120 Hz-en rögzítették.

Object manipulation task: the two polydactyly subjects and 13 control subjects with five-fingered hands (six female, mean age 24.,8 a szórás 2.0) részt vett egy objektum manipuláció feladat. Az objektum-manipulációs feladat kísérleti eljárását a ref. 21. 50 különböző formájú, méretű, textúrájú, anyagú tárgyat választottunk (lásd a kiegészítő ábrát. 5B). Ezek a tárgyak fém vagy paramágneses anyagok nélkül voltak, hogy ne zavarják a mágneses mezőkön alapuló Polhemus mérést. Az alanyok bekötötték a szemüket, és egyenként kapták meg a tárgyakat. Egy kézzel kellett felfedezniük egy tárgyat, és kitalálniuk, mi az (lásd a 4. Kiegészítő filmet). Minden tárgyat 30 másodpercig tártak fel., Amikor egy objektumot 30 másodpercnél korábban felismertek, a tárgyat felkérték, hogy vizsgálja meg az objektum speciális jellemzőit, például tippeket, éleket stb.

közös mozgási feladatok: az objektum-manipulációs feladatot végző 13 alany két polidaktikus Alanya és 8-A (öt nő, átlagéletkor 24,3, szórás 2,0) négy közös mozgási feladatot is végzett (Lásd még az 5. Kiegészítő filmet). Árukapcsolás cipőfűző: két cipőfűző végét egy asztalra rögzítették, az alanyoknak pedig két kézzel kellett megkötniük a csipkéket., Könyvlapok lapozgatása: az alanyok kaptak egy könyvet, és csak egy kézzel kellett lapozniuk az oldalakat. Szalvéta összecsukása: az alanyok papírszalvétát kaptak, és egy meghatározott formába kellett hajtaniuk (az éttermekben használt), valamint egy adott sorrendben mindkét kezével. Törölköző gördítése: az alanyok egy törülközőt kaptak, és arra kérték, hogy mindkét kezével hengerekbe tekerje. Feladatonként öt perc mozgást rögzítettek, amelynek során az alanyokat arra kérték, hogy ismételjék meg a feladatot, amilyen gyakran csak akarják.,

Adatelemzés: minden kis érzékelő helyzetét a metakarpal csontok közepén lévő nagy érzékelőhöz viszonyítva további elemzésre használták. A nyers pozícióméréseket Savitzky-Golay szűrővel simítottuk (harmadik sorrend, hossza 41 mintapont, ami 341,67 ms-nak felel meg). Mozgási sebességek volt számított a nyers helyzeti mérések első származékos Savitzky-Golay szűrő (harmadik rend, hossza 41 minta pontok egyenértékű 341.67 ms).,

az ujj (in) függőségének elemzése: az ujjmozgások (in)függőségének felméréséhez megbecsültük a különböző ujjak mozgása közötti kölcsönös információkat. Az X és Y két folyamatos sztochasztikus jel közötti kölcsönös információ meghatározása a következő:

ahol σX, σY az X és Y marginális sűrűség kovarianciamátrixa, és σXY a közös sűrűség kovarianciamátrixa. A kölcsönös információk intuitívabb megértése az X és Y normál jelek univariate esetében érhető el, amelyekre Eq., (3) tovább egyszerűsíti, hogy

ahol r(X, Y) a Pearson korrelációs együttható közötti X, illetve Y becsléséhez a kölcsönös információ között két ujjal, használtuk a hat dimenziós helyzetben mérések a két érzékelők minden ujját, becslések szerint a covariance mátrixok az idő sorozat mozgalom pozíciók, valamint az alkalmazott Eq. (3).,

Az egyes ujjmozgások előrejelzése más ujjak mozgásából: az egyes ujjak mozgását a többi ujj mozgásából előre jeleztük. A hatujjas alanyok esetében az előrejelzést a számfeletti ujjal vagy anélkül hajtották végre; az utóbbi az ötujjas alanyok eredményeivel való összehasonlítás megkönnyítése érdekében. A két érzékelő x/y/z-pozíciói mindegyik ujjnál az egyes ujjak hatdimenziós mozgási vektorát képezték., Ezt a hat komponenst a fennmaradó négy vagy öt ujj 24 vagy 30 dimenziós mozgásvektorából külön – külön megjósolták. Az előrejelzést lineáris legkisebb négyzetek és nemlineáris támogató vektor regresszió alkalmazásával hajtottuk végre. Kettős keresztellenőrzést használtunk az adatok időrendi felosztásával, hogy elkerüljük a túlcsordulást. A minőségi jóslat volt, számszerűsített által számítástechnika a determinációs együttható (R2) között megjósolta, hogy a tényleges mozgás minden egyes eleme a hat dimenziós mozgás vektor majd átlagosan az R2 értékek át a hat dimenzió., Támogató vektor regressziót használtunk Gauss kernellel, a hiperparamétereket (azaz a kernel szélességét, valamint a regularizációs paramétert) pedig a képzési adathalmazra optimalizáltuk. A MATLAB implementációt (“fitrsvm”) a hiperparaméterek vektor regressziójának támogatására és optimalizálására használtuk. A számítási idő csökkentése érdekében az adatokat 120/20 = 6 Hz-re csökkentették.

fő komponens analízis (PCA) a szabadság foka21,28,29: a PCA-t az X/y/z érzékelőn végeztük-az egyes ujjakon két érzékelővel mért pozíciókat az objektum manipulálása és a közös mozgási feladatok során., A növekvő számú fő komponens által rögzített variancia kumulált mennyiségét az ábra mutatja. 3b és kiegészítő ábra. 6B. a hatékony dof szám kiszámításához két algoritmust alkalmaztunk: a cross-validation PCA a ref-ben ajánlott Eigenvector módszerrel. 30 és a cross-validation PCA módszer a hiányzó értékek elvárás maximalizálásával a ref. 31., Mindkét módszer keresztellenőrzési eljárást alkalmaz, ahol a PCA-t először a képzési adatokból számítják ki, majd alkalmazzák a vizsgálati adatok mintáinak előrejelzésére,miközben a képzés és a vizsgálati adatkészlet kölcsönösen kizárják30, 31. Esetünkben tízszeres keresztellenőrzést alkalmaztunk, és időrendben külön-külön osztottuk meg a mozgásadatokat minden feladatra tíz részre, mindegyik hajtásban kilencet használtunk a képzésben, és egy részt a vizsgálati adatokban., A tesztadatkészlet első és utolsó 10 másodpercét minden feladatra kizárták, hogy a mozgás automatikus korrelációja miatt ne befolyásolja a képzés a vizsgálati adatokra gyakorolt hatását. A predikció és a tényleges adatok közötti átlagos négyzetes hibát a fő komponensek számának függvényében számították ki. A legkisebb hibát okozó fő összetevők számát a dof tényleges számának becsléseként használták, és minden egyes tárgy esetében külön-külön számították ki., Minden tárgy esetében átlagoltuk a fő összetevők meghatározott számát mindkét módszerben30, 31, és ezt a szabadságfokok számának becsléseként használtuk (ábra. 3C, kiegészítő ábra. 6C).

a szabadságfokok információelméleti elemzése: az előző szakaszban leírt PCA-elemzés mellett a szabadság fokait elemeztük az információ entrópia segítségével. A PCA-val ellentétben az információ entrópia elemzése figyelembe veszi az ujjmozgások közötti lehetséges nemlineáris kapcsolatokat., Az információ entrópia viszont megköveteli az ujjmozgások közös valószínűségi eloszlásának becslését. Szives ez az együttes valószínűség-eloszlási, mi discretized az ujj mozgását által arról, hogy a mozgalom állam minden ujját a három feltétel a beállított MS = {többi, hajlítás, kiterjesztés}, alapulnak a mozdulatok, a disztális, valamint proximális interphalangealis ízületek. A disztális érzékelő proximális szenzorához viszonyított gömbkoordinátáit (távolság, poláris és azimut szög) számítottuk ki., A PCA-t a poláris és azimut szögeken végezték, az első fő komponens mentén történő mozgásokat használták az egyes ujjak mozgásának ábrázolására. Minden ujj, az első származékos v az első PC-számították ki, mint a különbség a két egymást követő alkalommal ládákat használtak, hogy ebből a jelenlegi mozgalom állami alapján küszöb μ = 0.3 SD(v): hajlítás v < −μ, kiterjesztés v > μ, a többi egyéb. Különböző küszöbértékek(μ = 0, 4 SD(v) vagy μ = 0.,1 SD(v)), valamint más államok (csak két állam: hajlítás v < 0 jelent, v > 0), nem változott az általános következtetés az összehasonlítás az információs entrópia között öt – hat ujjas témákról. Kiszámítottuk az összes ujj mozgási állapotának közös valószínűségi eloszlásának (p) adatait vagy Shannon entrópiáját (H):

ahol si ∈ MS az I ujj állapota., Az n ujjak esetében a különböző mozgási állapotok száma 3n, ezért a maximális entrópia log2(3)n, amelyet akkor kapunk, ha minden lehetséges mozgási állapotnak egyenlő a valószínűsége.

a hüvelykujj, a mutatóujj és a szupernumeráris ujj közös mozgása: minden egyes időpontra kiszámítottuk az egyes ujjak mozgási sebességét, mint az ujjhegyen lévő háromdimenziós sebességvektor nagyságát., Ezután titkos mozgalom állam minden ujját minden alkalommal, pont, mint akár a “többi”, vagy “mozgás” összehasonlításával a sebességet, hogy egy küszöbérték, amely választották, mint a 10, 30 vagy 50% – os, a sebesség eloszlás minden alkalommal pontot, s minden ujja. Ezekből az adatokból azt a feltételes valószínűséget becsültük meg, hogy a hüvelykujj, a mutatóujj vagy a hüvelykujj önmagában vagy a mutatóujj önmagában mozog, tekintettel arra, hogy a számfeletti ujj mozog. Ezeket a feltételes valószínűségeket a három sebességküszöbre becsülték (ábra. 3e, kiegészítő ábra. E.6.,

videojáték hat ujjal

Polydactyly alanyok ült előtt egy számítógép monitor (DELL U2713HM) körülbelül 0,6 m-re a képernyőn, amelyen hat cél dobozok jelennek meg az alsó közepén egy fekete képernyő. A kísérlet során oszcilláló kurzorok haladtak át a céldobozokon (ábra. 3g és kiegészítő Film 6). Mindegyik oszcilláló négyzetnek egy előre meghatározott tartományon belül eltérő frekvenciája volt. Az egyes céldobozok “megérinthetők” egy megfelelő gomb megnyomásával egy szabványos számítógépes billentyűzeten., A gombok úgy lettek kiválasztva, hogy megfeleljenek az egyes tárgyak kézgeometriájának, hogy a gombok megnyomása kényelmes legyen. Az alanyokat arra utasították, hogy kövessék az oszcilláló kurzorokat, majd nyomják meg a megfelelő gombot, miután a kurzor a hozzá tartozó célmezőben volt. Ha a gombot ebben az időben megnyomták, akkor helyes nyomásnak számított, ha kívülről nyomták, akkor hamis nyomásnak számított. A helyes és hamis prések számát minden ujján összegezték, és a tárgyalás ideje alatt felhalmozódtak.,

az alanyok teljesítményét pontosságuk (helyes prések/célszám) és hibaarány (hamis prések/összes prések) alapján értékelték. A cél a pontosság növelése volt, miközben csökkentette a hibaarányt. Az egyes próbák elején a célpontosságot és a hibaarány küszöböt a szintnek megfelelően határozták meg (1.Kiegészítő táblázat); minden szintet az oszcilláló kurzorok mozgási sebessége, valamint a pontosságra és a hibarány küszöbértékei határoztak meg., Miután az alany átlépte mindkét küszöbértéket, a résztvevőtől azt várták, hogy 2 percig a pontosságnál és a hibaküszöb alatt tartja teljesítményét, ekkor a próbaverzió véget ér, és a szint emelkedni fog. Minden következő szintre a pontossági küszöbértéket 10% – kal magasabbra, a hibaarányt pedig 10% – kal alacsonyabbra állították. Ha az alany képes volt átlépni a 70% – os pontossági küszöböt, és a hibaarány 30% – os küszöbértéke alá menni, az oszcillációs frekvenciatartományt 0,05 Hz-rel növelték., Az oszcillációs frekvencia növelése után a pontossági küszöbértéket és a hibaarányt az eredeti 50% – os értékre állítottuk vissza. Lásd az 1. Kiegészítő táblázatot, amely kiemeli a különböző szintekhez kapcsolódó paraméterértékeket. Ha az alany 7 percen belül nem tudta elérni a következő szintet, a tárgyalást megszakították, majd rövid szünet után felkérték az alanyt, hogy ismételje meg ugyanazt a szintet.

minden kísérlet során a következő további vizuális visszajelzéseket mutatták be a témának. Ha egyetlen gombot sem nyomtak meg, a céldobozok fehéren jelennek meg., Egy gomb megnyomása, miközben a kurzor nem volt a megfelelő mezőben, azaz hamis sajtó, A céldoboz pirosra vált. Egy gomb megnyomása, amíg a kurzor a megfelelő mezőben volt, azaz helyes nyomja meg, a céldoboz kékre vált. A célmezők alatt két sáv vizuális visszajelzést adott a téma általános teljesítményéről. A felső sáv tükrözi a pontosságot, az alsó sáv pedig a hibaarányt. Ha a tárgy pontossága nőtt, akkor a pontossági sáv megtelt, és fordítva., Ugyanakkor a hiba csökkentése a hibasáv kitöltését eredményezi, oly módon, hogy a 0-nak megfelelő hibaarány teljesen kitöltött sávot eredményezett, azaz az 1-hibaarány értékét mutatták be. Minden sáv piros volt, amíg az alany átlépte a megfelelő sáv beállított küszöbét, ekkor zöldre vált. A küszöbértékeket szürke markerekként mutatták be a rudakon. Amint mindkét sáv zöldre vált, 120 másodperces piros visszaszámlálás jelent meg a képernyő alsó közepén., Ha az egyik sáv ismét pirosra vált az idő lejárta előtt, a visszaszámlálás 120 másodpercre állt vissza, majd eltűnt, amíg mindkét sáv újra zöld volt. Továbbá, minden kurzor külön-külön jelent meg a piros (ha alább) vagy zöld (ha fent) a teljesítmény küszöb kapcsolatban, hogy az egyén teljesítménye a megfelelő ujját, így az alany megjelölése, amely ujját szükséges javulás.

a teljesítmény alakulása az ábrán látható. 3h. az alanyokat öt egymást követő napon, valamint 10 napon belül tesztelték. Az alanyok napi 1 órán át végezték a feladatot., Az alanyoknak két különböző ujjkombinációt kellett használniuk a gombok megnyomásához; vagy mind a hat ujját a jobb kézből vagy a jobb kézből, de az SF-t a bal kéz mutatóujjával helyettesítették (ábra). 3h).

statisztikai elemzés

két független minta összehasonlításához a nemparametrikus, kétoldalas Wilcoxon ranksum tesztet használtuk, és 95%-os konfidenciaintervallumot számítottunk ki a hatás méretére (azaz a populáció különbségére) a kétmintás, összevont t-intervallum használatával., Két párosított minta összehasonlításához a nem parametrikus, kétoldalas Wilcoxon aláírt rang tesztet használtuk, és a párosított t-intervallum segítségével 95% – os konfidencia intervallumot számítottunk ki a hatás méretére. Összes jelentett konfidencia-intervallum tükrözi az átlagos öt ujjas tantárgyak vonni a hat ujjas alanyok, azaz a pozitív értékek azt jelzik, a nagyobb érték a hatujjú témákról.

a két változó közötti korreláció értékeléséhez kiszámítottuk a Pearson korrelációs együtthatót., Nem értékeltük a Pearson korrelációs együttható statisztikai jelentőségét, mivel a korrelációk kiszámításának mintái nem voltak függetlenek.

jelentési összefoglaló

a kutatástervezéssel kapcsolatos további információk az e cikkhez kapcsolódó Nature Research Reporting összefoglalóban találhatók.