Dette avsnittet beskriver serien av eksperimenter utført av de to polydactyly fag, P1 og P2, for å undersøke neuromechanics og funksjoner i deres hender. Noen eksperimenter som er involvert i tillegg en gruppe av kontroll fag med fem fingre hender. Studien ble godkjent av den institusjonelle etikk-komiteer ved Universitetet i Freiburg, Imperial College London, EPFL og King ‘ s College i London., Hvert emne ga informert samtykke før du starter hvert eksperiment.
MR analyse av hånd anatomi
Den underliggende anatomi av hånden av emnet P1 ble visualisert ved hjelp av MR i Department of Perinatal Bildebehandling og Helse, King ‘ s College i London. T1-vektet, inversion recovery og proton tetthet bilder ble kjøpt med en 1,5 Tesla Siemens Aera system (Erlangen, DE). Bilder kan ikke bli kjøpt opp fra emne P2 på grunn av en metallisk tannimplantat.
Hånden biomekanikk
En dedikert side grensesnitt for å måle isometrisk styrke på hver finger (som er vist i Fig., 2a) ble utviklet ved den Menneskelige Robotics gruppe, Imperial College London, for å undersøke styrke evnen til enten venstre eller høyre fingre, hos personer med enten fem-fingret eller seks fingre hender. Hånden ble plassert horisontalt på grensesnittet som vist i Fig. 2a. Fem eller seks av de åtte 3D trykt støtter, hver festet til en last celle (HTC), kunne skyver lineært for å imøtekomme en venstre eller høyre hånd av noen størrelse, slik at faget kunne godt utøve en vertikal kraft med tuppen av hver finger.
Krefter på tvers av alle fingrene ble tatt opp på 128 Hz., Eksperimenter utført med dette grensesnittet på to polydactyly fag så vel som på en befolkning på 13 kontroll fag (seks kvinner) med fem fingre hender mellom 25 og 35 år gamle. Fagene ble sittende i front av en tabell med grensesnitt som er plassert på toppen av det, slik at underarmen ble stående på bordet i en naturlig posisjon.
Først, fag ble bedt om å utøve maksimal mulig kraft med én finger. Denne maksimal kraft (MF) ble registrert for hver finger separat starter med tommelen og slutter med lillefingeren., Figur 2b viser MF for fem – og seks-fingret fag. Ved hjelp av disse dataene, det slaveri eij, som karakteriserer den avhengigheten mellom fingrene i og j, ble beregnet som
hvor jeg er den fingeren som genererer MF mens Fj(jeg) er kraft produsert samtidig med fingeren j og MFj er den maksimale kraft av fingeren j. Den slaveri for fem – og seks-fingret fag er presentert i Fig. 2d.,
Da forsøkspersonene ble bedt om å kontrollere 10%, 20% eller 30% av MF under 15 s lange studier. Tre studiene ble utført ved hver force nivå, totalizing 3 × 3 × 5 = 45 eller 3 × 3 × 6 = 54 prøvelser per sesjon for fem – og seks-fingret fag henholdsvis. Fem morsomme motiver utføres bare én økt, mens de seks morsomme motiver utføres to (med forbehold P1) eller tre (med forbehold P2) økter. Data fra dette eksperimentet ble brukt til å undersøke hvordan makt variasjon avhengig av hvor mye kraft som utøves., I hvert forsøk, styrke variasjon ble beregnet som standardavviket av kraft over tid vindu /128 s, som ble valgt slik at fagene var riktig å utøve den nødvendige kraft i løpet av denne perioden på nesten alle prøvelser. Fem studier (1 studie i en kontroll emne, 2 studier i emnet P1 og 2 studier i emnet P2) ble ekskludert fra analysen som de viste ekstraordinære høye svingninger i styrke over tid, noe som indikerer at oppgaven ikke ble gjennomført med hell på disse studiene., Figur 2c viser standardavviket for den kraft som en funksjon av omfanget av kraft for fem – og seks-fingret fag.
Funksjonell MR
P1 og en gruppe på ni kontroll deltakerne med fem fingre hender tok del i fMRI eksperiment. P2 ble ekskludert på grunn av en metallisk tannimplantat. I en blokk design, deltakere utført en taping bevegelse under 20 s med én finger, (20 kraner per blokk, 1 pek på per sekund), etterfulgt av 10 s av resten. Fire blokker ble utført for hver finger i pseudo-tilfeldig rekkefølge (24 prøvelser for P1 og 20 studier for kontroller)., P1 utført to økter, en for hver hånd. Kontrollene utføres bare én økt med høyre hånd. Alle deltakerne ble trent på bevegelser før du går inn i fMRI-skanner.
Bilder ble kjøpt på en kort-bar hodet-bare 7T scanner (Siemens Medical, Tyskland) med en 32-kanal Tx/Rx rf-coil (Nova Medisinsk, Tyskland). Funksjonell bilder ble anskaffet ved hjelp av en sinusformet avlesing EPI sequence23 og består 28 aksial skiver. Stykkene ble plassert over den sentrale sulcus (ca ortogonal til de sentrale sulcus) for å dekke det primære motoriske cortices (voxel oppløsning 1.,3 × 1.3 × 1.3 mm3; TR = 2 s, FOV = 210 mm, TE = 27 ms, flip vinkel = 75°, GRAPPA = 2). Anatomiske bilder ble anskaffet ved hjelp av en MP2RAGE sequence24 for å tillate presis lokalisering av precentral sulcus (se nedenfor) og for fremvisning (TE = 2.63 ms, TR = 7.2 ms, TI1 = 0.9 s, TI2 = 3.2 s, TRmprage = 5 s). For å hjelpe coregistration mellom den funksjonelle og den anatomiske bilder, en hel hjernen EPI volumet ble også kjøpt med samme helning som brukes i den funksjonelle går (81 stykker, voxel oppløsning på 1,3 × 1.3 × 1.3 mm3, FOV = 210 mm, TE = 27 ms, flip vinkel = 75°, GRAPPA = 2)., Fag som ble skannet i liggende posisjon.
Alle bilder ble analysert ved hjelp av SPM8 programvare (Wellcome Senter for Menneskerettigheter, Bildediagnostiske, London, UK). Forbehandling av fMRI-data inkludert skive timing korreksjon, romlig omstilling, glatting (FWHM = 2 mm) og coregistration med anatomiske bilder. Innskuddet 5 (Van Essen Laboratorium, Washington University School of Medicine) ble brukt til overflaten visualisering. For å lokalisere voxels inkludert i analysen av aktivering mønstre (Supplerende Fig., 3), en første GLM analyse ble beregnet, som inkluderte en regressor per finger (6 for P1 og 5 for kontroller) og seks stive bevegelser regressors. En funksjonell maske for finger bevegelser ble definert som aktive voxels i F-kontrast forbundet med noen form av fingerbevegelser (p < 0.05 FWE). I tillegg, en anatomisk maske tilsvarende sensorimotor cortex var utformet ved hjelp av publisert probabilistisk cytoarchitectonic maps25,26,27., Den anatomiske maske inkludert den primære motoriske cortex M1 (Brodmann områder 4a og 4p) og den primære somatosensory cortex S1 (Brodmann områder 3a, 3b, 1 og 2). Den anatomiske masken var tilbake-projisert på den opprinnelige løpet av den enkelte deltaker. Dette førte til 2190 voxels i venstre halvdel av P1 for høyre finger bevegelser, 2037 voxels i høyre hjernehalvdel av P1 for venstre finger bevegelser, og 343.8 ± 417.1 (gjennomsnitt ± std) voxels i venstre halvdel av kontroller for høyre fingerbevegelser (Supplerende Fig. 3).,
for Å analysere aktivering mønstre innenfor den valgte voxels forbundet med hver prøve finger-bevegelse, en andre GLM analyse ble beregnet, som inkluderte en regressor for hver finger trykke trial (24 for P1 og 20 for kontroller) og seks stive bevegelser regressors. Separat for hver deltaker, beta estimater for hver trykke rettssaken ble hentet innen den valgte voxels (noe som resulterer i en rettssak × voxels matrix)., Disse høy-dimensjonale mønstre ble anslått til to dimensjoner av klassisk multidimensjonal skalering (MDS), som finner lav-dimensjonale anslag bevare omtrent parvis avstander mellom høy-dimensjonale aktivering patterns14. Som avstand beregning for MDS, brukte vi cross-validert Mahalanobis distance14. For fem-fingret kontroll gruppe, MDS ble utført for hvert fag separat. Som MDS anslag indusere et vilkårlig rotasjon vi justerte prognoser for de enkelte fag med Procrustes alignment14. Standard feil ellipser vist i Fig., 2e ble beregnet fra covariance på tvers av fag. Som Procrustes justering kan også fjerne noen av de sanne inter-emne variability14, har vi brukt en Monte-Carlo prosedyre for å beregne en korreksjon og justert standard feil ellipser accordingly14. For polydactly emnet P1, har vi beregnet covariance ved bootstrapping prøvelser. For hver bootstrap eksempel en MDS-projeksjon ble beregnet. Den bootstrapped MDS anslagene ble justert bruke Procrustes justering. Standard feil ellipser (Fig. 2e, Supplerende Fig., 4) ble beregnet fra covariance over bootstrapped MDS anslag, justert ved korrigeringsfaktorer anslått av en Monte-Carlo procedure14.
Finger lokalisering oppgave
En finger lokalisering task20 ble utført for å undersøke oppfattet hånd form av P1, P2, og av en gruppe på ni kontroller. Deltakerne var det blindfolded og hånden var plassert under en struktur toppet av en 2D-rutenett. De hadde til å peke på nett med indeksen for den ledige hånden mot forbi steder på den testet for hånd., De var nødvendige for å identifisere tre steder på hver finger: den første knoke, den andre knoke og tips (av totalt 18 plasseringer per hånd for P1 og P2, og 15 steder for kontroller). Hvert sted ble testet seks ganger for P1 og P2, fire ganger for kontroller. Oppgaven ble utført for både hendene i P1 og P2, bare for høyre hånd i kontrollene. Oppgaven ble gjennomført i gang med taktil bildesøking, dvs. målet steder ble rørt med en plast filament, og en gang med verbal bildesøking, dvs. målet steder var muntlig heter., Localization feil ble målt for hver testet sted som 2D-Euclidean distance mellom rapportert posisjoner på nettet og reelle posisjoner testet steder på nettet (Fig. 2f). Lignende resultater ble oppnådd med taktil og muntlig bildesøking; vi bare rapportere resultatene fra taktil bildesøking.
Object manipulasjon og felles bevegelse oppgaver
Eksperimentelle oppsettet: fag ble sittende bak et skrivebord i løpet av de to oppgavene som er beskrevet nedenfor., En elektromagnetisk motion capture-systemet (Polhemus Liberty 240/16-16) ble brukt til å registrere hånd-og fingerbevegelser under object manipulasjon og felles bevegelse oppgaver (se Utfyllende Fig. 5A). Hendene ble holdt på 0,6 m avstand fra de viktigste Polhemus system for å opprettholde opptaket støy under 0.005 mm. I sum, henholdsvis 12 14 sensorer var festet til hånden og fingrene av fem – eller seks-fingret fag med medisinsk tape. Hver sensor målt tre Kartesiske koordinater for posisjonen og tre vinkler for orientering i forhold til sentralbanestasjonen., Hver sensor var koblet til Polhemus system av plast isolert aluminium ledninger. To store sensorer (9 × 11 × 6 mm3 ved maksimal posisjoner, 9.1 g) ble plassert på huden på toppen av midtre og tommelen metacarpal bein. De andre var små sensorer (sfærisk, 17,3 mm lengde, 1.8 mm ytre diameter, <1 g) som var plassert på den distale og proksimale phalanges av hver finger. Målinger ble tatt opp på 120 Hz.
Object manipulasjon oppgave: De to polydactyly fag og 13 kontroll fag med fem fingre hender (seks kvinner, mean alder av 24 år.,8 med standardavvik 2.0) har deltatt i en object manipulasjon oppgave. Eksperimentell prosedyre for object manipulasjon oppgave var tilpasset fra ref. 21. Vi valgte 50 objekter med forskjellige former, størrelser, former og materialer (se Utfyllende Fig. 5B). Disse objektene var uten metall eller paramagnetiske materialer, slik som å ikke forstyrre Polhemus måling basert på magnetiske felt. Fagene var bind for øynene og ble gitt objekter én etter én. De hadde å utforske et objekt med en hånd, og gjett hva det er (se Utfyllende Film-4). Hvert objekt ble utforsket i 30 s., Når en gjenstand ble anerkjent som er eldre enn 30 s, motivet ble bedt om å utforske spesielle funksjoner av dette objektet, for eksempel tips, kanter etc.
Felles bevegelse oppgaver: De to polydactyly fag og 8 av de 13 fag med fem fingre hender som har utført object manipulasjon oppgave (fem kvinner, mean alder 24.3 med standardavvik 2.0) også utført fire felles bevegelse oppgaver (se også Utfyllende Film-5). Å knyte skoen blonder: slutten av to skoen blonder ble løst på et bord og fagene var nødvendig å knytte lissene med to hender., Flipping book sider: fag ble gitt en bok og måtte vende sider ved å bruke en hånd. Serviett folding: fag mottatt et papir serviett og måtte kaste det inn i en bestemt form (som brukes i restauranter) og i en bestemt rekkefølge med begge hender. Rolling et håndkle: Fag ble gitt et håndkle og bedt om å rulle inn sylindere med begge hender. Fem minutter av bevegelse per oppgave ble spilt inn i løpet som fag ble bedt om å gjenta oppgaven så ofte som de ønsket.,
Data-analyse: posisjonen til hver liten sensor i forhold til den store sensoren på midten av metacarpal bein ble brukt for videre analyse. Raw stedsbestemt målinger ble glattet med et Savitzky-Golay-filter (tredje orden, lengde 41 eksempel poeng tilsvarer 341.67 ms). Bevegelsen fart ble beregnet fra raw stedsbestemt målinger med en første deriverte Savitzky-Golay-filter (tredje orden, lengde 41 eksempel poeng tilsvarer 341.67 ms).,
Analyse av finger (i) avhengighet: Å vurdere (i)avhengighet av fingerbevegelser vi estimert gjensidig informasjon mellom bevegelser av forskjellige fingre. Gjensidig informasjon mellom to kontinuerlige stokastiske signaler X og Y er definert som:
der σX, σY er covariance matriser av den marginale tettheter X og Y og σXY er covariance matrise av felles tetthet. En mer intuitiv forståelse av gjensidig informasjon kan oppnås for univariate normale signaler X og Y som Eq., (3) ytterligere forenkler å
hvor r(X, Y) er Pearson korrelasjonskoeffisient mellom X og Y. for Å beregne gjensidig informasjon mellom to fingre, og vi brukte seks-dimensjonal posisjon målinger fra de to sensorer på hver finger, estimert covariance matriser fra serien av bevegelse posisjoner og anvendt Eq. (3).,
logisk skriving av individuelle finger bevegelser fra bevegelser av andre fingrene: bevegelsen til hver enkelt finger ble spådd fra bevegelser på de andre fingrene. For seks morsomme motiver forslaget ble utført med og uten supernumerary finger, sistnevnte for å lette sammenligning med resultatene fra fem morsomme motiver. X/y/z-posisjoner av to sensorer på hver finger, utgjorde seks-dimensjonal bevegelse vektor av hver finger., Disse seks komponenter ble individuelt spådd fra 24 – eller 30-dimensjonal bevegelse vektorer av de resterende fire eller fem fingre. Prediksjon ble gjort ved hjelp av lineær minste-kvadraters og ikke-lineære support vector regresjon. Vi brukte todelt cross-validation med kronologisk deler av data for å unngå overfitting. Kvaliteten på prediksjon ble kvantifisert ved å beregne determinasjonskoeffisient (R2) mellom predikerte og faktiske bevegelsen for hver komponent av seks-dimensjonal bevegelse vektor og deretter gjennomsnitt R2-verdier på tvers av de seks dimensjonene., Vi brukte support vector regresjon med en Gaussisk kjernen og de hyperparameters (dvs. kjernen bredde så vel som regularization parameter) var optimalisert på trening datasettet. Vi har brukt Matlab-implementering («fitrsvm») for support vector regresjon og optimalisering av hyperparameters. For å redusere beregning tid dataene ble downsampled å 120/20 = 6 Hz.
Principal component analysis (PCA) av grader av freedom21,28,29: PCA ble utført på sensoren x/y/z-stillinger målt med to sensorer på hver finger under object manipulasjon og felles bevegelse oppgaver., Den cumulated mengden av avvik fanges opp av et økende antall av hovedkomponentene er plottet i Fig. 3b og Supplerende Fig. 6B. For å beregne effektive antall dof vi brukt to algoritmer: cross-validation PCA med Eigenvector metoden som anbefales i ref. 30 og cross-validation PCA-metoden ved hjelp av forventning maksimering for manglende verdier som er foreslått i ref. 31., Begge metodene bruker en cross-validation prosedyre der PCA er først beregnet fra trening data og som deretter kan brukes til å forutsi prøvene av test data mens trening og test data set er gjensidig exclusive30,31. I vårt tilfelle brukte vi tidoblet cross-validation og kronologisk delt bevegelsen data separat for hver oppgave i ti deler ved hjelp av i hvert brett ni av de delene i trening og en del i testen data., Den første og siste 10 s av test data ble ekskludert for hver oppgave for å unngå påvirkning av trening på test data på grunn av auto-korrelasjon i bevegelse. Gjennomsnitt (mean squared error mellom prediksjon og faktiske data ble beregnet som en funksjon av antall hovedkomponentene. Antall hovedkomponentene som gir den minste feil ble brukt som et estimat for den effektive antallet av dof og var beregnet for hvert fag separat., For hvert tema som vi i gjennomsnitt bestemt antall av hovedkomponentene på tvers av både methods30,31 og brukte dette som et estimat for antall frihetsgrader (Fig. 3c, Supplerende Fig. 6C).
Informasjon teoretisk analyse av grader av frihet: I tillegg til PCA-analysen som er beskrevet i forrige avsnitt, har vi analysert grader av frihet informasjon ved hjelp av entropi. I motsetning til PCA analyse av informasjon entropi tar hensyn til potensielle ikke-lineære relasjoner mellom finger bevegelser., Informasjon entropi, på den annen side, krever et estimat av den felles sannsynlighetsfordeling av fingerbevegelser. For å beregne denne felles sannsynlighetsfordeling, vi discretized finger bevegelser ved å klassifisere bevegelsen tilstand av hver finger inn i en av tre tilstander fra på sett-MS = {resten, fleksjon, extension}, basert på bevegelsene til den distale og proksimale interfalangealledd ledd. Sfæriske koordinater (avstand, polar og asimut vinkel) av den distale sensor i forhold til sin proksimale sensor ble beregnet., PCA ble utført på polar og azimuth vinkler og bevegelser langs første prinsipale komponenten ble brukt til å representere bevegelsene til hver finger. For hver finger, den første deriverte v av den første PC ble beregnet som forskjellen mellom to gang på rad skuffer og brukes til å utlede den nåværende bevegelse stat basert på en terskel μ = 0.3 SD(v): fleksjon for v < −μ, extension for v > ĩ, resten på annen måte. Ulike grenseverdier (μ = 0.4 SD(v) eller ĩ = 0.,1 SD(v)), samt ulike sett av amerikanske stater (bare to stater: fleksjon for v < 0 og extension for v > 0), gjorde ikke endre vår generelle konklusjon vedrørende sammenligning av informasjon entropi mellom fem – og seks-fingret fag. Vi beregnet informasjon eller Shannon entropi (H) i felles sannsynlighetsfordeling av bevegelsen statene alle fingre (s):
hvor si ∈ MS er staten finger jeg., For n fingre antall forskjellige bevegelse stater er 3n og maksimum entropi er derfor log2(3)n som er oppnådd når alle mulige bevegelse stater har lik sannsynlighet.
Felles bevegelse av tommelen, indeks og supernumerary finger: For hver gang punktet har vi beregnet hastighet for hver finger som omfanget av sin tre-dimensjonale fartsvektoren på fingertuppen., Vi så klassifisert bevegelsen tilstand av hver finger i hvert tidspunkt som enten «resten» eller «flytting» ved å sammenligne hastighet til en terskelverdi som ble valgt som 10, 30 eller 50-persentilen av hastighet distribusjon på tvers av alle tid poeng og alle fingrene. Fra disse dataene har vi beregnet den betingede sannsynligheter som tommel og pekefinger eller tommel alene eller pekefingeren alene var i bevegelse gitt supernumerary finger var i bevegelse. Disse betingede sannsynligheter ble estimert for tre hastighet terskler (Fig. 3e, Supplerende Fig. 6E).,
Video spill for seks fingre
Polydactyly fag satt foran en pc-skjerm (DELL U2713HM) ca 0,6 m fra skjermen, der seks mål boksene ble vist i den nedre sentrum av en svart skjerm. Under eksperimentet, oscillerende pekere gått gjennom mål-bokser (Fig. 3g og Supplerende Film-6). Hver av disse oscillerende rutene hadde en annen frekvens innenfor et forhåndsdefinert område. Den individuelle mål boksene kan bli «berørt» ved å trykke på en tilsvarende tasten på et vanlig tastatur., Nøklene ble valgt å matche hånd geometri av individuelle motiver for å sørge for å trykke på tastene som var behagelig. Forsøkspersonene ble instruert til å spore oscillerende pekere og trykk på den tilsvarende tasten når markøren var innenfor tilhørende mål-boksen. Hvis knappen ble trykket på i løpet av denne perioden, det regnes som en riktig trykk, hvis det ble trykket utenfor det ble regnet som en forfalskning trykk. Antall korrekte og falske presser ble summert over alle fingre og akkumulert over tid av rettssaken.,
resultatene av fag ble vurdert på deres nøyaktighet (riktig presser/target teller) og feil (feil presser/alle presser). Målet var å øke nøyaktigheten mens redusere feil pris. I begynnelsen av hvert forsøk målet nøyaktighet og feil pris grensen ble satt i forhold til nivået (Supplerende Tabell 1); hvert nivå ble definert av bevegelse hastighet av oscillerende pekere og terskler på nøyaktighet og feil pris., Når motivet krysset både terskler, den deltaker som var forventet å opprettholde sin ytelse over korrektheten og under feil terskelen for 2 minutter, da rettssaken ble avsluttet og nivået skulle økes. For hvert påfølgende nivå, korrektheten grensen ble satt til 10% høyere, og feil ble satt til 10% lavere. Hvis motivet var i stand til å krysse 70% terskelen for korrektheten og går under 30% terskelen for feil pris, pendling frekvensområde ble økt med 0.05 Hz., Etter økende frekvens svingning, korrektheten terskel, og feil ble satt tilbake til den opprinnelige verdien på 50%. Se Utfyllende Tabell 1 som fremhever parameter verdier knyttet til ulike nivåer. Hvis motivet ikke var i stand til å nå neste nivå i 7 minutter, rettssaken ble avsluttet og etter en kort pause, motivet ble bedt om å gjenta den samme nivå.
Under hvert forsøk, følgende ekstra visuell tilbakemelding ble presentert for emnet. Hvis ingen tast er trykket, målet boksene ble vist i hvitt., Å trykke på en tast mens ingen markør var i den aktuelle boksen, dvs. en falsk trykk, mål-boksen og ble rød. Å trykke på en tast mens en markør var i den aktuelle boksen, dvs. riktig trykk, mål-boksen slått blå. Under målet bokser, to barer ga tilbakemelding om fagets generelle ytelsen. Øvre bar reflektert korrektheten og lavere bar det feil pris. Hvis nøyaktigheten av emnet økt, korrektheten bar er fylt opp, og vice versa., Samtidig redusere feil resultater i fylling av feil bar, slik at en feil pris lik 0 resulterte i en helt fylt bar, dvs. verdien av 1-feil ble presentert. Hver bar var rødt til gjenstand krysset satt terskelen til den tilsvarende bar, på hvilket tidspunkt det ble grønt. Innslagspunktene ble vist som grå markører på barer. Så snart begge barer slått grønn, en rød nedtelling av 120 s dukket opp nederst i midten på skjermen., Hvis en bar slått rødt igjen før den tid var utløpt, nedtelling ble tilbakestilt til 120 s og forsvant til både barer var grønt igjen. Videre, hver markøren individuelt dukket opp i rødt (hvis nedenfor) eller grønn (hvis ovenfor) for ytelse terskel i forhold til den enkelte ytelse av tilsvarende finger, så fagene hadde en indikasjon på hvilken finger som kreves for forbedring.
utviklingen av ytelse er vist i Fig. 3h. Studiedeltakere ble testet for fem påfølgende dager, så vel som 10 dager etter. Emner utført oppgaven for 1 timer per dag., Fagene måtte bruke to forskjellige finger kombinasjoner å trykke på tastene, enten alle seks fingre på høyre hånd eller høyre hånd, men erstattet SF med pekefingeren på venstre hånd (Fig. 3h).
Statistiske analyser
For å sammenligne to uavhengige utvalg brukte vi nonparametric, tosidig Wilcoxon ranksum test og beregnet 95% konfidensintervall på effektstørrelse (dvs. forskjellen av befolkningen betyr) ved hjelp av to-utvalg sammenslåtte t-intervall., For å sammenlikne to sammenkoblede prøver vi brukte nonparametric, tosidig Wilcoxon signed rank test og beregnet 95% konfidensintervall på effekten størrelse ved hjelp av de parede t-intervall. Alle rapporterte konfidensintervaller reflektere gjennomsnittet for fem morsomme motiver trekkes fra gjennomsnittet for de seks morsomme fag, dvs. positive verdier indikerer større verdier for seks morsomme motiver.
for Å vurdere sammenhengen mellom to variabler vi beregnet Pearson korrelasjonskoeffisient., Vi gjorde ikke vurdere den statistiske betydningen av Pearson korrelasjonskoeffisient som prøver over hvilke sammenhenger ble beregnet ikke var uavhengige.
Rapportering oppsummering
Ytterligere informasjon om forskning design er tilgjengelig i Nature Research Rapportering Oppsummering knyttet til denne artikkelen.