Ta sekcja opisuje serię eksperymentów przeprowadzonych przez dwóch polidaktylicznych testerów, P1 i P2, w celu zbadania neuromechaniki i funkcji ich rąk. Niektóre eksperymenty obejmowały dodatkowo grupę osób kontrolnych z pięciopalczastymi dłońmi. Badanie zostało zatwierdzone przez instytucjonalne komisje etyki Uniwersytetu we Fryburgu, Imperial College London, EPFL i King ' s College London., Każdy Tester wyraził świadomą zgodę przed rozpoczęciem każdego eksperymentu.
analiza MRI anatomii dłoni
anatomia ręki podmiotu P1 została zwizualizowana za pomocą MRI w Katedrze obrazowania okołoporodowego i zdrowia, King ' s College London. Obrazy ważone T1, odzyskiwanie inwersji i gęstość protonów zostały uzyskane za pomocą 1,5 Tesli systemu Siemens Aera (Erlangen, DE). Obrazy nie mogły zostać pozyskane od testera P2 z powodu metalicznego implantu dentystycznego.
biomechanika dłoni
dedykowany interfejs dłoni do pomiaru siły izometrycznej każdego palca (pokazany na Rys., 2a) został opracowany w Human Robotics group, Imperial College London, w celu zbadania możliwości siły lewego lub prawego palca u osób z pięciopalczastymi lub sześciopalczastymi rękami. Ręka została umieszczona poziomo na interfejsie, jak pokazano na Rys. 2A. pięć lub sześć z ośmiu drukowanych podpór 3D, z których każda przymocowana jest do ogniwa obciążnikowego (HTC), może przesuwać się liniowo, aby pomieścić lewą lub prawą rękę o dowolnym rozmiarze, tak aby obiekt mógł wygodnie wywierać siłę pionową końcówką każdego palca.
siły na wszystkich palcach były rejestrowane przy częstotliwości 128 Hz., Eksperymenty z tym interfejsem przeprowadzono na dwóch podmiotach polidaktylowych, a także na populacji 13 osób kontrolnych (sześć kobiet) z pięciopalczastymi rękami w wieku od 25 do 35 lat. Testerzy siedzieli przed stołem z interfejsem umieszczonym na nim, tak aby przedramię spoczywało na stole w naturalnej pozycji.
początkowo testerzy byli proszeni o wywieranie maksymalnej możliwej siły za pomocą jednego palca. Ta Maksymalna siła (MF) była rejestrowana dla każdego palca oddzielnie, począwszy od kciuka, a skończywszy na małym palcu., Rysunek 2b pokazuje MF dla obiektów pięcio-i sześciopalczastych. Korzystając z tych danych, zniewolenie eij, charakteryzujące zależność między palcami i I j, zostało obliczone jako
gdzie i jest palcem, który generuje MF, podczas gdy FJ(i) jest siłą wytwarzaną jednocześnie przez palec j, a MFJ jest maksymalną siłą palca j. zniewolenie dla obiektów pięcio – i sześciopalcowych przedstawiono na rys. 2d.,
następnie pacjenci zostali poproszeni o kontrolowanie 10%, 20% lub 30% MF podczas 15 długich badań. Przeprowadzono trzy próby na każdym poziomie siły, sumując 3 × 3 × 5 = 45 lub 3 × 3 × 6 = 54 próby na sesję odpowiednio dla uczestników o pięciu i sześciu palcach. Testerzy z pięcioma palcami wykonywali tylko jedną sesję, podczas gdy testerzy z sześcioma palcami wykonywali dwie (Tester P1) lub trzy (Tester P2) sesje. Dane z tego eksperymentu zostały wykorzystane do zbadania, w jaki sposób zmienność siły zależy od ilości wywieranej siły., W każdym badaniu zmienność siły była obliczana jako odchylenie standardowe siły w całym przedziale czasowym /128 s, które zostało wybrane tak, aby osoby prawidłowo wywierały wymaganą siłę w tym okresie w prawie wszystkich badaniach. Pięć prób (1 Próba u podmiotu kontrolnego, 2 próby u podmiotu P1 i 2 próby u podmiotu P2) zostało wyłączonych z analizy, ponieważ wykazały one nadzwyczajnie wysokie wahania siły w czasie, co wskazuje, że zadanie nie zostało wykonane pomyślnie w tych próbach., Rysunek 2c przedstawia odchylenie standardowe siły jako funkcję wielkości siły dla obiektów pięcio-i sześciopalczastych.
funkcjonalny rezonans magnetyczny
P1 oraz grupa dziewięciu uczestników kontrolnych z pięciopalczastymi dłońmi wzięli udział w eksperymencie fMRI. P2 został wykluczony z powodu metalicznego implantu zębowego. W projekcie blokowym uczestnicy wykonywali ruch tapingowy w ciągu 20 s jednym palcem (20 dotknięć na blok, 1 dotknięcie na sekundę), a następnie 10 S odpoczynku. Wykonano cztery bloki dla każdego palca w pseudo-randomizowanej kolejności (24 próby dla P1 i 20 prób dla kontroli)., P1 wykonał dwie sesje, po jednej na każdą rękę. Sterowanie wykonało tylko jedną sesję prawą ręką. Wszyscy uczestnicy zostali przeszkoleni w zakresie ruchów przed wejściem do skanera fMRI.
obrazy zostały pozyskane za pomocą krótkofalowego skanera 7T (Siemens Medical, Niemcy) z 32-kanałową cewką Tx / Rx rf (Nova Medical, Niemcy). Obrazy funkcjonalne zostały pozyskane przy użyciu sinusoidalnego odczytu sekwencji EPI23 i składały się z 28 osiowych plastrów. Plastry zostały umieszczone nad środkowym sulcus (w przybliżeniu prostopadle do środkowego sulcus) w celu pokrycia podstawowych kortykosteroidów motorycznych (voxel resolution 1.,3 × 1,3 × 1,3 mm3; TR = 2 s, FOV = 210 mm, TE = 27 ms, kąt obrotu = 75°, GRAPPA = 2). Obrazy anatomiczne uzyskano przy użyciu sekwencji MP2RAGE24 w celu umożliwienia dokładnej lokalizacji przedcentralnego sulcus (patrz poniżej) oraz do celów wyświetlania (TE = 2,63 ms, TR = 7,2 ms, TI1 = 0,9 s, TI2 = 3,2 s, TRmprage = 5 s). Aby wspomóc korekcję pomiędzy obrazami funkcjonalnymi i anatomicznymi, uzyskano również całą objętość EPI mózgu o takim samym nachyleniu, jak w przebiegu funkcjonalnym (81 plastrów, rozdzielczość voxela 1,3 × 1,3 × 1,3 mm3, FOV = 210 mm, TE = 27 ms, kąt obrotu = 75°, GRAPPA = 2)., Testerzy byli skanowani w pozycji leżącej.
wszystkie obrazy zostały przeanalizowane przy użyciu oprogramowania SPM8 (Wellcome Centre for Human Neuroimaging, Londyn, Wielka Brytania). Wstępne przetwarzanie danych fMRI obejmowało korektę czasu cięcia, wyrównanie przestrzenne, wygładzanie (FWHM = 2 mm) oraz korekcję obrazów anatomicznych. Do wizualizacji powierzchni użyto Caret 5 (Van Essen Laboratory, Washington University School Of Medicine). Aby zlokalizować voxele zawarte w analizie wzorców aktywacji (rys., 3), obliczono pierwszą analizę GLM, która obejmowała jeden regresor na palec (6 dla P1 i 5 dla kontroli) oraz sześć regresorów sztywnych ruchów. Funkcjonalna maska do ruchów palca została zdefiniowana jako aktywne voxele w kontraście F związane z dowolnym rodzajem ruchu palca (p < 0.05 FWE). Ponadto zaprojektowano anatomiczną maskę odpowiadającą Korie czuciowo-motorycznej na podstawie opublikowanych probabilistycznych map cytoarchitektonicznych 25,26,27., Maska anatomiczna obejmowała pierwotną korę ruchową M1 (obszary Brodmanna 4a i 4p) oraz pierwotną korę somatosensoryczną S1 (obszary Brodmanna 3a, 3b, 1 i 2). Anatomiczna maska została rzutowana wstecz na rodzimą przestrzeń każdego uczestnika. Doprowadziło to do 2190 voxeli w lewej półkuli P1 dla ruchów prawego palca, 2037 voxeli w prawej półkuli P1 dla ruchów lewego palca i 343,8 ± 417,1 (średnia ± std) voxeli w lewej półkuli sterowników dla ruchów prawego palca (dodatkowe rys. 3).,
aby przeanalizować wzorce aktywacji w wybranych voxelach związanych z każdą próbą ruchu palca, obliczono drugą analizę GLM, która obejmowała jeden regresor dla każdej próby stukania palcem (24 dla P1 i 20 dla kontroli) oraz sześć regresorów ruchów sztywnych. Oddzielnie dla każdego uczestnika oszacowania beta dla każdego badania tapping zostały wyodrębnione w wybranych voxelach(w wyniku czego powstała próbna matryca Voxel)., Te wysokowymiarowe wzory zostały rzutowane do dwóch wymiarów za pomocą klasycznego wielowymiarowego skalowania (MDS), w którym rzuty o niskich wymiarach zachowują w przybliżeniu pary odległości między wysokowymiarowymi wzorami aktywacji14. Jako metrykę odległości dla MDS, użyliśmy zweryfikowanej krzyżowo odległości Mahalanobis14. Dla pięciopalczastej grupy kontrolnej przeprowadzono MDS dla każdego z osobna. Ponieważ projekcje MDS wywołują dowolną rotację, wyrównaliśmy projekcje poszczególnych obiektów za pomocą wyrównania Procrustesa14. Standardowe elipsy błędów pokazane na Rys., 2e obliczono na podstawie kowariancji pomiędzy obiektami. Ponieważ wyrównanie Procrustesa może również usunąć część prawdziwej zmienności między obiektami14, zastosowaliśmy procedurę Monte-Carlo do oszacowania korekcji i dostosowaliśmy standardowe elipsy błędów zgodnie z14. Dla wielowymiarowego obiektu P1 obliczyliśmy kowariancję, uruchamiając próby. Dla każdej próbki bootstrap obliczono projekcję MDS. Bootstrapped MDS projekcje zostały wyrównane za pomocą wyrównania Procrustes. Elipsy błędu standardowego (rys. 2e, rys. uzupełniający, 4) zostały obliczone na podstawie kowariancji w poprzek projekcji MDS, SKORYGOWANEJ o współczynniki korekcyjne oszacowane w ramach procedury Monte-Carlo 14.
zadanie lokalizacji palca
zadanie lokalizacji palca 20 zostało przeprowadzone w celu zbadania postrzeganego kształtu dłoni P1, P2 i grupy dziewięciu kontrolek. Uczestnicy mieli zawiązane oczy, a ich ręka została umieszczona pod strukturą zwieńczoną siatką 2D. Musieli wskazywać na siatkę z indeksem wolnej ręki w kierunku miejsc cued na testowanej dłoni., Były one wymagane do zidentyfikowania trzech miejsc na każdym palcu: pierwszy knuckle, drugi knuckle i końcówka (w sumie 18 miejsc na rękę dla P1 i P2 i 15 miejsc dla kontroli). Każda lokalizacja była testowana sześć razy dla P1 i P2, cztery razy dla kontroli. Zadanie wykonano dla obu rąk w P1 i P2, tylko dla prawej ręki w sterownikach. Zadanie było wykonywane raz z dotykowym cueingiem, tzn. lokalizacje docelowe były dotykane plastikowym włóknem, a raz z werbalnym cueingiem, tzn. lokalizacje docelowe zostały nazwane ustnie., Błąd lokalizacji został zmierzony dla każdej badanej lokalizacji jako 2D-euklidesowa odległość między zgłoszonymi pozycjami na siatce a rzeczywistymi pozycjami testowanych lokalizacji na siatce (rys. 2f). Podobne wyniki uzyskano w przypadku cueingu dotykowego i doustnego; raportujemy tylko wyniki z cueingu dotykowego.
manipulacja obiektami i wspólne zadania ruchowe
konfiguracja eksperymentalna: testerzy siedzieli przed biurkiem podczas dwóch opisanych poniżej zadań., Elektromagnetyczny system przechwytywania ruchu (Polhemus Liberty 240/16-16) był używany do rejestrowania ruchów dłoni i palców podczas manipulacji obiektem oraz wspólnych zadań ruchowych(patrz Rys. 5A). Ręce trzymano w odległości 0,6 m od głównego systemu Polhemus, aby utrzymać szum nagrania poniżej 0,005 mm. w sumie do dłoni i palców pięciopalczastych lub sześciopalczastych osób przy użyciu taśmy medycznej przymocowano 12 odpowiednio 14 czujników. Każdy czujnik mierzył trzy współrzędne kartezjańskie dla położenia i trzy kąty dla orientacji względem stacji głównej., Każdy czujnik był podłączony do systemu Polhemus za pomocą izolowanych z tworzywa sztucznego przewodów aluminiowych. Dwa duże czujniki (9 × 11 × 6 mm3 w maksymalnych położeniach, 9,1 g) umieszczono na skórze na kości śródręcza i kciuka. Pozostałe to małe czujniki (sferyczne, 17,3 mm długości, 1,8 mm średnicy zewnętrznej, <1 g), które umieszczano przy paliczkach dystalnych i proksymalnych każdego palca. Pomiary były rejestrowane przy częstotliwości 120 Hz.
zadanie manipulacji obiektami: dwie osoby polidaktylowe i 13 osób kontrolnych z pięciopalczastymi dłońmi (sześć kobiet, średni wiek 24 lat.,8 z odchyleniem standardowym 2.0) uczestniczył w zadaniu manipulacji obiektami. Eksperymentalna procedura zadania manipulacji obiektami została zaadaptowana z ref. 21. Wybraliśmy 50 obiektów o różnych kształtach, rozmiarach, fakturach i materiałach (patrz Rys. 5b). Obiekty te były pozbawione materiałów metalowych lub paramagnetycznych, aby nie zakłócać pomiaru Polhemusa opartego na polach magnetycznych. Badani mieli zasłonięte oczy i otrzymywali przedmioty jeden po drugim. Musieli zbadać obiekt jedną ręką i odgadnąć, co to jest (ZOBACZ FILM 4). Każdy obiekt był badany przez 30 s., Kiedy obiekt został rozpoznany wcześniej niż 30 s, tester został poproszony o zbadanie szczególnych cech tego obiektu, takich jak końcówki, krawędzie itp.
wspólne zadania ruchowe: dwie osoby z polidaktylią i 8 z 13 osób z pięciopalczastymi dłońmi, które wykonały zadanie manipulacji obiektami (pięć kobiet, średni wiek 24,3 z odchyleniem standardowym 2,0) wykonały również cztery wspólne zadania ruchowe (patrz także film dodatkowy 5). Wiązanie sznurówek do butów: koniec dwóch sznurówek do butów był zamocowany na stole, a uczestnicy musieli zawiązać sznurówki dwiema rękami., Przerzucanie stron książki: tematy otrzymały książkę i musiały przerzucać strony tylko jedną ręką. Składanie serwetek: badani otrzymali papierową serwetkę i musieli złożyć ją w określony kształt (używany w restauracjach) i w określonej kolejności przy użyciu obu rąk. Zwijanie ręcznika: testerzy otrzymali ręcznik i prosili, aby zwinąć go w cylindry za pomocą obu rąk. Zarejestrowano pięć minut ruchu na każde zadanie, podczas których testerzy byli proszeni o powtarzanie zadania tak często, jak chcieli.,
analiza danych: do dalszej analizy wykorzystano położenie każdego małego czujnika względem dużego czujnika na środku kości śródręcza. Surowe pomiary pozycyjne zostały wygładzone filtrem Savitzky-Golay (trzeciego rzędu, Długość 41 punktów próbki, co odpowiada 341,67 ms). Prędkość ruchu obliczono na podstawie surowych pomiarów pozycyjnych za pomocą pierwszego pochodnego filtra Savitzky ' ego-Golaya (trzeciego rzędu, Długość 41 punktów próbki, co odpowiada 341,67 ms).,
analiza zależności (in) palców: aby ocenić zależność (in)ruchów palców, oszacowaliśmy wzajemne informacje między ruchami różnych palców. Wzajemna informacja między dwoma ciągłymi stochastycznymi sygnałami X i Y jest zdefiniowana jako:
Gdzie σX, σY są macierzami kowariancji gęstości krańcowej x I y, a σXY jest macierzą kowariancji gęstości spoiny. Bardziej intuicyjne zrozumienie wzajemnych informacji można uzyskać dla jednowymiarowych sygnałów normalnych X i Y, dla których Eq., (3) dodatkowo upraszcza do
gdzie R(X, Y) jest współczynnikiem korelacji Pearsona między x i Y. aby oszacować wzajemną informację między dwoma palcami, użyliśmy sześciowymiarowych pomiarów położenia z dwóch czujników na każdym palcu, oszacowaliśmy macierze kowariancji z szeregów czasowych pozycji ruchu i zastosowaliśmy korektor. (3).,
przewidywanie ruchów poszczególnych palców na podstawie ruchów innych palców: ruch każdego pojedynczego palca był przewidywany na podstawie ruchów innych palców. W przypadku osób z sześciopalcami przewidywania przeprowadzono z palcem nadliczbowym i bez niego; ten ostatni, aby ułatwić porównanie z wynikami osób z pięciopalcami. Pozycje x / y/z dwóch czujników na każdym palcu stanowiły sześciowymiarowy wektor ruchu każdego palca., Te sześć składników było indywidualnie przewidywanych na podstawie 24-lub 30-wymiarowych wektorów ruchu pozostałych czterech lub pięciu palców. PREDYKCJA została wykonana przy użyciu liniowych najmniejszych kwadratów i nieliniowej regresji wektora nośnego. Zastosowaliśmy podwójną weryfikację krzyżową z chronologicznym podziałem danych, aby uniknąć nadmiernego dopasowania. Jakość predykcji została określona ilościowo przez obliczenie współczynnika determinacji (R2) między przewidywanym i rzeczywistym ruchem dla każdego składnika sześciowymiarowego wektora ruchu, a następnie uśrednianie wartości R2 w sześciu wymiarach., Zastosowaliśmy regresję wektorową z jądrem Gaussa, a hiperparametry (tj. szerokość jądra oraz parametr regularyzacji) zostały zoptymalizowane na zbiorze danych treningowych. Wykorzystaliśmy implementację Matlab („fitrsvm”) do regresji wektorowej wsparcia i optymalizacji hiperparametrów. Aby skrócić czas obliczeń, dane zostały pobrane w dół do 120/20 = 6 Hz.
Główna analiza składowa (PCA) stopni wolności21,28,29: PCA została wykonana na czujniku x/y/z-pozycje mierzone dwoma czujnikami na każdym palcu podczas manipulacji obiektem i wspólnych zadań ruchu., Skumulowana kwota wariancji przechwytywana przez rosnącą liczbę głównych składników jest przedstawiona na Rys. 3b i dodatkowe rys. 6B. aby obliczyć efektywną liczbę dof zastosowaliśmy dwa algorytmy: cross-validation PCA z metodą Eigenvector zalecaną w ref. 30 i metoda weryfikacji krzyżowej PCA wykorzystująca maksymalizację oczekiwań dla brakujących wartości, jak zaproponowano w ref. 31., Obie metody wykorzystują procedurę walidacji krzyżowej, w której PCA jest najpierw obliczany na podstawie danych treningowych, a następnie stosowany do przewidywania próbek danych testowych, podczas gdy zestaw danych treningowych i testowych jest wzajemnie wykluczany30, 31. W naszym przypadku zastosowaliśmy dziesięciokrotną weryfikację krzyżową i chronologicznie podzieliliśmy dane dotyczące ruchu osobno dla każdego zadania na dziesięć części, wykorzystując w każdym przypadku dziewięć z tych części w treningu i jedną część w danych testowych., Pierwsze i ostatnie 10 s zestawu danych testowych zostały wyłączone dla każdego zadania, aby uniknąć wpływu treningu na dane testowe ze względu na automatyczną korelację ruchu. Średni kwadratowy błąd między prognozą a danymi rzeczywistymi został obliczony jako funkcja liczby głównych składników. Liczba głównych składników, które dały najmniejszy błąd, została wykorzystana jako oszacowanie efektywnej liczby dof i została obliczona dla każdego przedmiotu osobno., Dla każdego przedmiotu uśredniliśmy określoną liczbę głównych składników w obu metodach30,31 i użyliśmy tego jako oszacowania liczby stopni swobody (rys. 3c, rys. uzupełniający 6C).
Analiza teoretyczna informacji stopni swobody: oprócz analizy PCA opisanej w poprzedniej sekcji, analizowaliśmy stopnie swobody za pomocą entropii informacji. W przeciwieństwie do PCA, analiza entropii informacji uwzględnia potencjalne nieliniowe zależności między ruchami palców., Entropia informacyjna wymaga natomiast oszacowania wspólnego rozkładu prawdopodobieństwa ruchów palców. Aby obliczyć ten wspólny rozkład prawdopodobieństwa, dyskretyzowaliśmy ruchy palca, klasyfikując stan ruchu każdego palca na jeden z trzech warunków z zestawu MS = {spoczynek, zgięcie, wyprostowanie}, w oparciu o ruchy dystalnych i proksymalnych stawów międzypaliczkowych. Obliczono współrzędne sferyczne (odległość, kąt BIEGUNOWY i azymutalny) czujnika dystalnego względem jego czujnika proksymalnego., PCA wykonywano na kątach biegunowych i azymutalnych, a ruchy wzdłuż pierwszego głównego komponentu były używane do reprezentowania ruchów każdego palca. Dla każdego palca, pierwsza pochodna v pierwszego PC została obliczona jako różnica między dwoma kolejnymi pojemnikami czasowymi i używana do wyprowadzenia aktualnego stanu ruchu na podstawie progu μ = 0,3 SD( v): zgięcie dla v < – μ, rozszerzenie dla V > μ, reszta w przeciwnym razie. Różne wartości progowe (μ = 0,4 SD (v) lub μ = 0.,1 SD (v)), a także różne stany (tylko dwa stany: flexion dla v < 0 i extension dla V > 0), nie zmieniły naszego ogólnego wniosku dotyczącego porównania entropii informacji pomiędzy pięcio – i sześciopalczastymi podmiotami. Obliczyliśmy informację lub entropię Shannona (H) wspólnego rozkładu prawdopodobieństwa Stanów ruchu wszystkich palców (p):
gdzie si ∈ MS jest stanem palca I., Dla n palców liczba różnych stanów ruchu wynosi 3n, a maksymalna Entropia to log2(3)n, co otrzymuje się, gdy wszystkie możliwe Stany ruchu mają jednakowe prawdopodobieństwo.
wspólny ruch kciuka, palca wskazującego i nadliczbowego: dla każdego punktu czasowego obliczaliśmy prędkość ruchu dla każdego palca jako wielkość jego trójwymiarowego wektora prędkości na czubku palca., Następnie sklasyfikowaliśmy stan ruchu każdego palca w każdym punkcie czasowym jako „odpoczynek” lub „ruch”, porównując prędkość do wartości progowej, która została wybrana jako 10., 30. lub 50. percentyl rozkładu prędkości we wszystkich punktach czasowych i wszystkich palcach. Na podstawie tych danych oszacowaliśmy prawdopodobieństwo warunkowe, że kciuk i palec wskazujący lub sam kciuk lub sam palec wskazujący poruszały się, biorąc pod uwagę ruch palca nadliczbowego. Te prawdopodobieństwa warunkowe oszacowano dla trzech progów prędkości (rys. 3e, rys. uzupełniający 6e).,
gra wideo na sześć palców
Podczas eksperymentu oscylujące Kursory przechodziły przez pola docelowe (rys. 3G i dodatkowy film 6). Każdy z tych kwadratów oscylacyjnych miał inną częstotliwość w określonym zakresie. Poszczególne pola docelowe można „dotknąć”, naciskając odpowiedni klawisz na standardowej klawiaturze komputera., Klawisze zostały dobrane tak, aby pasowały do geometrii dłoni poszczególnych przedmiotów, aby zapewnić wygodę naciskania klawiszy. Testerzy zostali poinstruowani, aby śledzić oscylujące kursory i nacisnąć odpowiedni przycisk, gdy kursor znajdzie się w powiązanym polu docelowym. Jeśli przycisk został naciśnięty w tym oknie czasowym, liczył się jako prawidłowe naciśnięcie, jeśli został naciśnięty Na Zewnątrz, był liczony jako fałszywe naciśnięcie. Liczba poprawnych i fałszywych naciśnięć została zsumowana na wszystkich palcach i zgromadzona w czasie próby.,
wyniki uczestników oceniano na podstawie ich dokładności (poprawne naciśnięcia/liczba docelowa) i błędu (fałszywe naciśnięcia / wszystkie naciśnięcia). Celem było zwiększenie dokładności przy jednoczesnym zmniejszeniu poziomu błędu. Na początku każdej próby wyznaczono dokładność docelową i próg poziomu błędu zgodnie z poziomem (tabela uzupełniająca 1); każdy poziom był określony przez prędkość ruchu kursorów oscylacyjnych i progi dokładności i poziomu błędu., Gdy tester przekroczy oba progi, oczekuje się, że uczestnik utrzyma swoje wyniki powyżej dokładności i poniżej progu błędu przez 2 minuty, w którym to momencie próba zakończy się i poziom zostanie zwiększony. Dla każdego kolejnego poziomu próg dokładności był o 10% wyższy, a poziom błędu o 10% niższy. Jeśli tester był w stanie przekroczyć próg 70% dla dokładności i zejść poniżej progu 30% dla błędu, zakres częstotliwości oscylacji został zwiększony o 0,05 Hz., Po zwiększeniu częstotliwości oscylacji próg dokładności i poziom błędu zostały przywrócone do pierwotnej wartości 50%. Patrz dodatkowa Tabela 1, w której podkreślono wartości parametrów związane z różnymi poziomami. Jeśli tester nie był w stanie osiągnąć następnego poziomu w ciągu 7 minut, próba została przerwana i po krótkiej przerwie tester został poproszony o powtórzenie tego samego poziomu.
podczas każdej próby podmiotowi przedstawiano następujące dodatkowe informacje wizualne. Jeśli nie naciśnięto żadnego klawisza, pola docelowe były wyświetlane w kolorze białym., Naciśnięcie klawisza, gdy nie było kursora w odpowiednim polu, tzn. fałszywe naciśnięcie, pole docelowe zmieniło kolor na czerwony. Naciśnięcie klawisza, gdy kursor był w odpowiednim polu, tzn. prawidłowe naciśnięcie, pole docelowe zmieniło kolor na niebieski. Pod polami docelowymi dwa paski dały wizualną informację zwrotną na temat ogólnej wydajności obiektu. Górny pasek odzwierciedlał dokładność, a dolny pasek wskaźnik błędu. Jeśli dokładność obiektu wzrosła, Pasek dokładności wypełnił się i odwrotnie., Jednocześnie zmniejszenie błędu powoduje wypełnienie paska błędu, tak że wskaźnik błędu równy 0 skutkuje całkowitym wypełnieniem paska, tzn. została przedstawiona wartość 1-error rate. Każdy takt był czerwony, dopóki tester nie przekroczył ustalonego progu odpowiadającego mu taktu, po czym zmienił kolor na zielony. Wartości progowe pokazano jako szare znaczniki na słupkach. Gdy tylko oba paski stały się zielone, w dolnej części ekranu pojawiło się czerwone odliczanie 120 s., Jeśli jeden pasek zmieni kolor na czerwony przed upływem czasu, odliczanie zostanie zresetowane do 120 s i zniknie, dopóki oba paski nie staną się ponownie zielone. Co więcej, każdy kursor z osobna pojawił się na czerwono (jeśli poniżej) lub na zielono (jeśli powyżej) dla progu wydajności w odniesieniu do indywidualnej wydajności odpowiedniego palca, więc uczestnicy mieli wskazanie, który palec wymaga poprawy.
ewolucja wydajności pokazana jest na Rys. 3h. testerzy byli testowani przez pięć kolejnych dni oraz 10 dni później. Testerzy wykonywali zadanie przez 1 godzinę dziennie., Testerzy musieli użyć dwóch różnych kombinacji palców, aby nacisnąć klawisze; albo wszystkie sześć palców prawej lub prawej ręki, ale zastąpiono SF palcem wskazującym lewej ręki (rys. 3h).
analiza statystyczna
do porównania dwóch niezależnych próbek użyliśmy nieparametrycznego, dwustronnego testu Wilcoxona ranksuma i obliczyliśmy 95% przedziały ufności na wielkość efektu (tj. różnicę średniej populacji) przy użyciu dwóch próbek zbiorczych przedział T., Do porównania dwóch sparowanych próbek wykorzystaliśmy nieparametryczny, dwustronny Test rankingowy Wilcoxona i obliczyliśmy 95% przedziały ufności na wielkość efektu za pomocą sparowanego przedziału T. Wszystkie zgłoszone przedziały ufności odzwierciedlają średnią dla pacjentów z pięciopalcami odejmowaną od średniej dla pacjentów z sześciopalcami, tj. wartości dodatnie wskazują większe wartości dla pacjentów z sześciopalcami.
aby ocenić korelację między dwiema zmiennymi obliczyliśmy współczynnik korelacji Pearsona., Nie oceniliśmy istotności statystycznej współczynnika korelacji Pearsona, ponieważ próbki, dla których obliczono korelacje, nie były niezależne.
Podsumowanie Raportu
Więcej informacji na temat projektu badawczego można znaleźć w podsumowaniu raportu raportu z badań przyrodniczych powiązanym z tym artykułem.