detta avsnitt beskriver serien av experiment som utförs av de två polydaktyly ämnen, P1 och P2, för att undersöka neuromekanik och funktioner i sina händer. Vissa experiment involverade dessutom en grupp av kontrollpersoner med fem fingrar händer. Studien godkändes av de institutionella etikkommittéerna vid universitetet i Freiburg, Imperial College London, EPFL och King ’ s College London., Varje ämne gav informerat samtycke innan varje försök inleddes.
MRI-analys av handanatomi
den underliggande anatomin i handen av ämnet P1 visualiserades med hjälp av MR i Avdelningen för Perinatal bildbehandling och hälsa, King ’ s College London. T1-viktade, inversion recovery och protondensitetsbilder förvärvades med ett 1.5 Tesla Siemens Aera-system (Erlangen, de). Bilder kunde inte fås från ämne P2 på grund av ett metalliskt tandimplantat.
handbiomekanik
ett dedikerat handgränssnitt för att mäta varje fingers isometriska kraft (visas i Fig., 2a) utvecklades vid Human Robotics group, Imperial College London, för att undersöka kraftförmågan hos antingen vänster eller höger fingrar, hos individer med antingen fem fingrar eller sex fingrar. Handen placerades horisontellt på gränssnittet som visas i Fig. 2a. fem eller sex av de åtta 3D-tryckta stöden, som var och en fästs på en lastcell (HTC), kan glida linjärt för att rymma en vänster eller höger hand av vilken storlek som helst så att motivet bekvämt kan utöva en vertikal kraft med spetsen på varje finger.
krafter över alla fingrar registrerades vid 128 Hz., Experiment utfördes med detta gränssnitt på de två polydaktyly ämnen samt på en population av 13 kontrollpersoner (sex kvinnor) med fem fingrar händer mellan 25 och 35 år gammal. Ämnena satt framför ett bord med gränssnittet placerat ovanpå det så att underarmen vilade på bordet i en naturlig position.
inledningsvis uppmanades ämnen att utöva maximal möjlig kraft med ett enda finger. Denna maximala kraft (MF) spelades in för varje finger separat från tummen och slutar med lillfingret., Figur 2B visar MF för fem – och sexfingrade ämnen. Med hjälp av dessa data beräknades den förslavande eij, som karakteriserar beroendet mellan fingrarna i och j, som
Där jag inte kunde använda den här informationen. är det finger som genererar MF medan fj(i) är den kraft som produceras samtidigt av finger J och MFJ är den maximala kraften av finger j.förslavningen för fem – och sexfingrade ämnen presenteras i fig. 2d.,
därefter ombads försökspersonerna att kontrollera 10%, 20% eller 30% av MF under 15 s långa studier. Tre försök utfördes vid varje kraftnivå, totalt 3 × 3 × 5 = 45 eller 3 × 3 × 6 = 54 försök per session för fem – respektive sexfingrade försökspersoner. Femfingrade ämnen utförde endast en session medan de sexfingrade ämnena utförde två (ämne P1) eller tre (ämne P2) sessioner. Data från detta experiment användes för att undersöka hur kraftvariationen beror på hur mycket kraft som utövas., I varje försök beräknades kraftvariationen som standardavvikelsen för kraften över tidsfönstret / 128 s, vilket valdes så att ämnena korrekt utövade den nödvändiga kraften under denna period i nästan alla försök. Fem försök (1 försök i ett kontrollämne, 2 försök i ämne P1 och 2 försök i ämne P2) uteslöts från analysen eftersom de visade extraordinära höga fluktuationer i styrkan över tiden, vilket indikerar att uppgiften inte utfördes framgångsrikt på dessa försök., Figur 2C visar kraftens standardavvikelse som en funktion av kraftens storlek för fem – och sexfingrade ämnen.
funktionell MR
P1 och en grupp av nio kontrolldeltagare med fem fingrar deltog i fMRI-experimentet. P2 uteslöts på grund av ett metalliskt tandimplantat. I en blockdesign utförde deltagarna en tejprörelse under 20 s med ett enda finger (20 kranar per block, 1 kran per sekund) följt av 10 s Vila. Fyra block utfördes för varje finger i pseudo-randomiserad ordning (24 försök för P1 och 20 försök för kontroller)., P1 utförde två sessioner, en för varje hand. Kontroller utförs endast en session med höger hand. Alla deltagare utbildades på rörelserna innan de kom in i fMRI-skannern.
bilder förvärvades på en kort borrhuvud-endast 7T-skanner (Siemens Medical, Tyskland) med en 32-kanals Tx / Rx rf-spole (Nova Medical, Tyskland). Funktionella bilder förvärvades med hjälp av en sinusformad avläsning EPI-sekvens23 och bestod av 28 axiella skivor. Skivor placerades över den centrala sulcus (ungefär ortogonala till den centrala sulcus) för att täcka de primära motor kortices (voxel upplösning 1.,3 × 1.3 × 1.3 mm3; TR = 2 s, FOV = 210 mm, TE = 27 ms, flip angle = 75°, GRAPPA = 2). Anatomiska bilder förvärvades med hjälp av en MP2RAGE-sekvens24 för att möjliggöra exakt lokalisering av precentral sulcus (se nedan) och för visningsändamål (TE = 2,63 ms, TR = 7,2 ms, TI1 = 0,9 s, TI2 = 3,2 s, TRmprage = 5 s). För att underlätta samregistration mellan funktionella och anatomiska bilder, en hel hjärna EPI volym förvärvades också med samma lutning som används i funktionella körningar (81 skivor, voxel upplösning 1,3 × 1,3 × 1,3 mm3, FOV = 210 mm, TE = 27 ms, flip vinkel = 75°, GRAPPA = 2)., Försökspersonerna skannades i ryggläge.
alla bilder analyserades med hjälp av spm8-programvaran (Wellcome Centre for Human Neuroimaging, London, Storbritannien). Förbehandling av fMRI data ingår skiva timing korrigering, rumslig orientering, utjämning (FWHM = 2 mm) och coregistration med anatomiska bilder. Hatt 5 (Van Essen Laboratorium, Washington University School of Medicine) användes för yt-visualisering. För att lokalisera de voxlar som ingår i analysen av aktiveringsmönster (kompletterande Fig., 3) beräknades en första GLM-analys, som inkluderade en regressor per finger (6 för P1 och 5 för kontroller) och sex styva rörelser regressorer. En funktionell mask för fingerrörelser definierades som de aktiva voxlarna i f-kontrasten i samband med vilken typ av fingerrörelse som helst (p < 0,05 FWE). Dessutom utformades en anatomisk mask som motsvarar sensorimotorbarken med publicerad probabilistisk cytoarkitektonisk maps25, 26, 27., Den anatomiska mask ingår den primära motor cortex M1 (Brodmann områden 4a och 4p) och den primära somatosensorisk cortex S1 (Brodmann områden 3a, 3b, 1 och 2). Den anatomiska masken projicerades tillbaka på varje deltagares inhemska utrymme. Detta ledde till 2190 voxlar i vänster halvklot av P1 för högerfingers rörelser, 2037 voxlar i höger halvklot av P1 för vänsterfingers rörelser och 343,8 ± 417,1 (medel ± STD) voxlar i vänster halvklot av kontroller för högerfingers rörelser (kompletterande Fig. 3).,
för att analysera aktiveringsmönstren inom de valda voxlarna i samband med varje försök med fingerrörelse beräknades en andra GLM-analys, som inkluderade en regressor för varje fingertappningsförsök (24 för P1 och 20 för kontroller) och sex styva rörelser regressorer. Separat för varje deltagare extraherades beta-uppskattningarna för varje tappningstest inom de valda voxlarna (vilket resulterade i en prov × voxels-matris)., Dessa högdimensionella mönster projicerades till två dimensioner genom klassisk flerdimensionell skalning (MDS), som finner lågdimensionella projektioner som bevarar ungefär de parvisa avstånden mellan de högdimensionella aktiveringsmönster14. Som avståndsmått för MDS använde vi det korsverifierade Mahalanobis-avståndet14. För den femfingrade kontrollgruppen utfördes MDS för varje ämne separat. Eftersom MDS-projektioner inducerar en godtycklig rotation inriktade vi projektionerna av de enskilda ämnena med Procrustes alignment14. Standardfel ellipser som visas i Fig., 2e beräknades från kovariansen mellan ämnen. Som Procrustes anpassning kan också ta bort en del av den sanna inter-föremål variability14 använde vi oss av en Monte-Carlo förfarande för att uppskatta en korrigering och justeras standard error ellipser accordingly14. För polydactly-ämnet P1 beräknade vi kovariansen genom att starta försöken. För varje bootstrap prov en MDS projektion beräknades. De bootstrapped MDS-projektionerna var inriktade med Procrustes-justering. Standardfel ellipser (Fig. 2e, Kompletterande Fig., 4)beräknades från kovariansen över bootstrapped MDS-prognoser, justerat med korrigeringsfaktorer som uppskattades genom ett Monte-Carlo-förfarande14.
fingerlokaliseringsuppgift
en fingerlokaliseringsuppgift20 genomfördes för att undersöka den upplevda handformen av P1, P2 och av en grupp av nio kontroller. Deltagarna var ögonbindel och deras hand placerades under en struktur toppad av ett 2D rutnät. De var tvungna att peka på nätet med indexet för den fria handen mot cued-platserna på den testade handen., De var skyldiga att identifiera tre platser på varje finger: den första knogen, den andra knogen och spetsen (totalt 18 platser per hand för P1 och P2, och 15 platser för kontroller). Varje plats testades sex gånger för P1 och P2, fyra gånger för kontroller. Uppgiften utfördes för båda händerna i P1 och P2, endast för höger hand i kontroller. Uppgiften utfördes en gång med taktil cueing, dvs målplatserna berördes med en plastfilament och en gång med verbal cueing, dvs målplatserna muntligen namngavs., Lokaliseringsfelet mättes för varje testad plats som 2D-euklidiska avståndet mellan de rapporterade positionerna på nätet och de verkliga positionerna för de testade platserna på nätet (Fig. 2f). Liknande resultat erhölls med taktil och oral cueing; vi rapporterar bara resultaten från taktil cueing.
objektmanipulation och vanliga rörelseuppgifter
experimentell inställning: ämnena satt framför ett skrivbord under de två uppgifterna som beskrivs nedan., Ett elektromagnetiskt rörelsefångningssystem (Polhemus Liberty 240/16-16) användes för att registrera hand-och fingerrörelser under objektmanipulationen och de gemensamma rörelseuppgifterna (se kompletterande Fig. 5A). Händerna hölls på 0,6 m avstånd från det huvudsakliga Polhemus-systemet för att upprätthålla inspelningsbruset under 0,005 mm. totalt var 12 respektive 14 sensorer fästa vid handen och fingrarna hos fem – eller sexfingrade personer med medicinsk tejp. Varje sensor mätte tre kartesiska koordinater för positionen och tre vinklar för orienteringen i förhållande till huvudstationen., Varje sensor var ansluten till Polhemus-systemet med plastisolerade aluminiumtrådar. Två stora sensorer (9 × 11 × 6 mm3 vid maximala positioner, 9,1 g) placerades på huden ovanpå mitten och tummen metakarpala ben. De andra var små sensorer (sfärisk, 17,3 mm längd, 1,8 mm ytterdiameter, < 1 g) som placerades vid varje fingers distala och proximala falanger. Mätningarna registrerades vid 120 Hz.
objektmanipulation uppgift: de två polydaktyly ämnen och 13 kontrollpersoner med fem fingrar händer (sex kvinnor, medelålder 24.,8 med standardavvikelse 2.0) deltog i en objektmanipulationsuppgift. Den experimentella proceduren för objektmanipulationsuppgiften anpassades från ref. 21. Vi valde 50 objekt med olika former, storlekar, texturer och material (se kompletterande Fig. 5B). Dessa föremål var utan metall eller paramagnetiska material för att inte störa Polhemusmätningen baserad på magnetfält. Ämnena var ögonbindel och fick objekten en efter en. De var tvungna att utforska ett objekt med en hand, och gissa vad det är (Se kompletterande Film 4). Varje objekt utforskades i 30 s., När ett objekt erkändes tidigare än 30 s, blev ämnet ombedd att utforska speciella egenskaper hos detta objekt som tips, kanter etc.
vanliga rörelseuppgifter: de två polydaktyly ämnena och 8 av de 13 ämnena med fem fingrar händer som utförde objektmanipulationsuppgiften (fem kvinnor, medelålder 24.3 med standardavvikelse 2.0) utförde också fyra gemensamma rörelseuppgifter (se även kompletterande Film 5). Binda skosnören: i slutet av två skosnören fixerades på ett bord och ämnena var skyldiga att knyta snören med två händer., Vända boksidor: ämnena fick en bok och var tvungen att vända sidor med endast en hand. Servettvikning: ämnena fick en pappersservett och var tvungna att vika den i en specifik form (som används i restauranger) och i en specifik sekvens med båda händerna. Rulla en handduk: ämnen fick en handduk och bad om att rulla den i cylindrar med båda händerna. Fem minuters rörelse per uppgift registrerades under vilka ämnen uppmanades att upprepa uppgiften så ofta som de ville.,
dataanalys: positionen för varje liten sensor i förhållande till den stora sensorn på mitten av metakarpala ben användes för vidare analys. Råpositionsmätningar utjämnades med ett savitzky-Golay-filter (tredje ordningen, längd 41 provpunkter motsvarande 341.67 ms). Rörelsehastigheter beräknades från råpositionsmätningar med ett första derivat savitzky-Golay-filter (tredje ordningen, längd 41 provpunkter motsvarande 341.67 ms).,
analys av finger (I) beroende: för att bedöma (i) beroende av fingerrörelser uppskattade vi den ömsesidiga informationen mellan rörelserna i olika fingrar. Den ömsesidiga informationen mellan två kontinuerliga stokastiska signaler X och Y definieras som:
där σX, σY är kovariansmatriserna för marginaltätheten X och Y och σXY är kovariansmatrisen i den gemensamma densiteten. En mer intuitiv förståelse av den ömsesidiga informationen kan erhållas för univariate normala signaler X och Y för vilka Eq., (3) förenklar ytterligare till
där r (X, Y) är Pearson korrelationskoefficienten mellan x och Y. För att uppskatta den ömsesidiga informationen mellan två fingrar använde vi de sexdimensionella positionsmätningarna från de två sensorerna vid varje finger, uppskattade kovariansmatriserna från tidsserien av rörelsepositioner och tillämpad EQ. (3).,
förutsägelse av enskilda fingerrörelser från rörelser av andra fingrar: varje enskilt fingers rörelse förutspåddes från de andra fingrarnas rörelser. För sex fingrar försökspersoner utfördes förutsägelsen med och utan supernumerary finger; den senare för att underlätta jämförelse med resultaten från fem fingrar försökspersoner. De två sensorernas X/y/z-positioner vid varje finger utgjorde den sexdimensionella rörelsevektorn för varje finger., Dessa sex komponenter förutspåddes individuellt från de 24-eller 30-dimensionella rörelsevektorerna hos de återstående fyra eller fem fingrarna. Förutsägelse gjordes med hjälp av linjära minsta kvadrater och icke-linjära stöd vektor regression. Vi använde tvåfaldig korsvalidering med kronologiska splittringar av data för att undvika överfittning. Förutsägelsens kvalitet kvantifierades genom att beräkna bestämningskoefficienten (R2) mellan förutsagd och faktisk rörelse för varje komponent i den sexdimensionella rörelsevektorn och sedan medelvärdera R2-värdena över de sex dimensionerna., Vi använde stöd vektorregression med en Gaussisk kärna och hyperparametrarna (dvs kärnbredden samt regulariseringsparametern) optimerades på träningsdatauppsättningen. Vi använde implementeringen av Matlab (”fitrsvm”) för att stödja vektorregression och optimering av hyperparametrar. För att minska beräkningstiden minskade data till 120/20 = 6 Hz.
Principal component analysis (PCA) av grader av freedom21,28,29: PCA utfördes på sensorn x/y/z-positioner mätt med två sensorer vid varje finger under objektmanipulationen och de gemensamma rörelseuppgifterna., Den kumulerade variansmängden som fångas upp av ett ökande antal huvudkomponenter ritas i Fig. 3b och Kompletterande Fig. 6B. för att beräkna det effektiva antalet dof tillämpade vi två algoritmer: cross-validation PCA med Eigenvector-metoden som rekommenderas i REF. 30 och cross-validation PCA metod med förväntan maximering för saknade värden som föreslås i ref. 31., Båda metoderna använder ett korsvalideringsförfarande där PCA först beräknas från träningsdata och sedan tillämpas för att förutsäga prov av testdata medan utbildning och testdatauppsättning är ömsesidigt uteslutande30, 31. I vårt fall använde vi tiofaldigt korsvalidering och kronologiskt dela upp rörelsedata separat för varje uppgift i tio delar med hjälp av i varje vik nio av dessa delar i utbildningen och en del i testdata., De första och sista 10 s av testdatauppsättningen exkluderades för varje uppgift för att undvika påverkan av träningen på testdata på grund av rörelsens auto-korrelation. Det genomsnittliga kvadrerade felet mellan förutsägelse och faktiska data beräknades som en funktion av antalet huvudkomponenter. Antalet huvudkomponenter som gav det minsta felet användes som en uppskattning för det effektiva antalet dof och beräknades för varje ämne separat., För varje ämne vi i genomsnitt det bestämda antalet huvudkomponenter över båda metoderna30, 31 och använde detta som en uppskattning av antalet frihetsgrader (Fig. 3C, kompletterande Fig. 6C).
Informationsteoretisk analys av frihetsgrader: förutom den PCA-analys som beskrivs i föregående avsnitt analyserade vi frihetsgraderna med hjälp av information entropi. I motsats till PCA tar analysen av information entropi hänsyn till potentiella olinjära relationer mellan fingerrörelser., Information entropi, å andra sidan, kräver en uppskattning av den gemensamma sannolikhetsfördelningen av fingerrörelser. För att beräkna denna gemensamma sannolikhetsfördelning diskretiserade vi fingerrörelserna genom att klassificera rörelsetillståndet för varje finger i en av tre villkor från uppsättningen MS = {vila, flexion, förlängning}, baserat på rörelserna hos de distala och proximala interfalangeala lederna. Sfäriska koordinater (avstånd, polär och azimutvinkel) hos den distala sensorn i förhållande till dess proximala sensor beräknades., PCA utfördes på polar – och azimutvinklarna och rörelserna längs den första huvudkomponenten användes för att representera varje fingers rörelser. För varje finger beräknades det första derivatet v av den första datorn som skillnaden mellan två på varandra följande tidsbehållare och användes för att härleda det aktuella rörelsetillståndet baserat på ett tröskelvärde μ = 0.3 SD(v): flexion för v < −μ, förlängning för v > μ, vila annars. Olika tröskelvärden (μ = 0, 4 SD (v) eller μ = 0.,1 SD(v)), samt olika uppsättning stater (endast två stater: flexion för v < 0 och förlängning för v > 0), ändrade inte vår allmänna slutsats om jämförelsen av informationen entropi mellan fem – och sexfingrade ämnen. Vi beräknade informationen eller Shannon Entropy (H) av den gemensamma sannolikhetsfördelningen av rörelsestaterna för alla fingrar (p):
där si MS är läget för finger i., För N fingrar antalet olika rörelsetillstånd är 3n och den maximala entropi är därför log2 (3) n som erhålls när alla möjliga rörelsetillstånd har lika sannolikhet.
gemensam rörelse av tummen, index och supernumerary finger: för varje tidpunkt beräknar vi rörelsehastigheten för varje finger som storleken på dess tredimensionella hastighetsvektor vid fingertoppen., Vi klassificerade sedan rörelsetillståndet för varje finger i varje tidpunkt som antingen ”vila” eller ”flytta” genom att jämföra hastigheten till ett tröskelvärde som valdes som 10: e, 30: e eller 50: e percentilen av hastighetsfördelningen över alla tidpunkter och alla fingrar. Från dessa data uppskattade vi de villkorliga sannolikheterna att tummen och pekfingret eller tummen ensam eller pekfingret ensam rörde sig med tanke på det övertaliga fingret rörde sig. Dessa villkorliga sannolikheter uppskattades för de tre hastighetströsklarna (Fig. 3e, Kompletterande Fig. 6E).,
videospel för sex fingrar
polydaktyly ämnen satt framför en datorskärm (DELL U2713HM) cirka 0,6 m från skärmen, där sex mål lådor visades i nedre mitten av en svart skärm. Under experimentet passerade oscillerande markörer genom mållådorna (Fig. 3g och Kompletterande Film 6). Var och en av dessa oscillerande rutor hade en annan frekvens inom ett fördefinierat område. De enskilda målrutorna kan ”röra” genom att trycka på en motsvarande tangent på ett standarddatortangentbord., Tangenterna valdes för att matcha handgeometrin hos enskilda ämnen för att säkerställa att tangenterna var bekväma. Ämnena instruerades att spåra oscillerande markörer och att trycka på motsvarande knapp när markören var inom dess tillhörande mål rutan. Om knappen trycktes inom detta tidsfönster räknas den som en korrekt tryckning, om den trycktes utanför räknas den som en falsk tryckning. Antalet korrekta och falska pressar summerades över alla fingrar och ackumulerades under rättegången.,
försökspersonernas prestanda bedömdes på deras noggrannhet (korrekta pressar/målräkning) och felfrekvens (falska pressar / alla pressar). Syftet var att öka noggrannheten och samtidigt minska felfrekvensen. I början av varje försök fastställdes målnoggrannheten och felprocenttröskeln enligt nivån (Tilläggstabell 1); varje nivå definierades av rörelsehastigheten för de oscillerande markörerna och tröskelvärdena på noggrannheten och felfrekvensen., När ämnet korsade båda tröskelvärdena förväntades deltagaren behålla sin prestanda över noggrannheten och under felgränsen i 2 minuter, vid vilken tidpunkt försöket skulle sluta och nivån skulle ökas. För varje efterföljande nivå fastställdes noggrannhetströskeln 10% högre och felfrekvensen fastställdes 10% lägre. Om motivet kunde korsa 70% – tröskeln för noggrannhet och gå under 30% – tröskeln för felfrekvensen ökade oscillationsfrekvensområdet med 0,05 Hz., Efter att oscillationsfrekvensen har ökat sattes noggrannhetströskeln och felfrekvensen tillbaka till det ursprungliga värdet på 50%. Se Tabell 1 som belyser parametervärdena i samband med olika nivåer. Om ämnet inte kunde nå nästa nivå inom 7 minuter avbröts rättegången och efter en kort paus blev ämnet ombedd att upprepa samma nivå.
under varje försök presenterades följande ytterligare visuell feedback för ämnet. Om ingen knapp trycktes, var målet rutorna visas i vitt., Om du trycker på en knapp medan ingen markör fanns i motsvarande ruta, dvs. ett falskt tryck, blev målrutan röd. Om du trycker på en tangent medan en markör var i motsvarande ruta, dvs. korrekt tryckning, blev målrutan blå. Under målrutorna gav två fält visuell feedback om ämnets övergripande prestanda. Den övre stapeln återspeglade noggrannheten och den nedre stapeln felfrekvensen. Om noggrannheten hos ämnet ökade fylldes noggrannhetsfältet upp och vice versa., Samtidigt resulterar en minskning av felet i att felfältet fylls, så att en felfrekvens som är lika med 0 resulterade i en helt fylld stapel, dvs. värdet på 1-felfrekvensen presenterades. Varje stapel var röd tills ämnet korsade den inställda tröskeln för motsvarande stapel, vid vilken tidpunkt den blev grön. Tröskelvärdena visades som gråmarkörer på staplarna. Så snart båda staplarna blev gröna uppträdde en röd nedräkning på 120 s i skärmens nedre mitt., Om en bar blev röd igen innan tiden gick ut, återställdes nedräkningen till 120 s och försvann tills båda staplarna var gröna igen. Dessutom visade sig varje markör individuellt i rött (om nedan) eller grönt (om ovan) för prestationströskeln i förhållande till motsvarande fingers individuella prestanda, så ämnena hade en indikation på vilket finger som krävde förbättring.
prestandautvecklingen visas i Fig. 3h. försökspersoner testades i fem på varandra följande dagar samt 10 dagar efter. Ämnena utförde uppgiften för 1 h per dag., Ämnena var tvungna att använda två olika fingerkombinationer för att trycka på tangenterna; antingen alla sex fingrar från höger eller höger hand men ersatte SF med pekfingret på vänster hand (Fig. 3h).
statistisk analys
för att jämföra två oberoende prover använde vi det icke-parametriska, dubbelsidiga Wilcoxon ranksum-testet och beräknade 95% konfidensintervall på effektstorleken (dvs. skillnaden i populationsmedlet) genom att använda det tvåprovspolade T-intervallet., För att jämföra två parade prover använde vi nonparametric, two-sided Wilcoxon signed rank test och beräknade 95% konfidensintervall på effektstorleken med hjälp av det parade T-intervallet. Alla rapporterade konfidensintervall återspeglar medelvärdet för femfingrade försökspersoner som subtraheras från medelvärdet för sexfingrade försökspersoner, dvs. positiva värden indikerar större värden för sexfingrade försökspersoner.
för att bedöma korrelationen mellan två variabler beräknade vi Pearson-korrelationskoefficienten., Vi bedömde inte den statistiska betydelsen av Pearson korrelationskoefficienten eftersom proverna över vilka korrelationer beräknades inte var oberoende.
rapporteringssammanfattning
ytterligare information om forskningsdesign finns i Naturforskningsrapporteringssammanfattningen kopplad till denna artikel.