Eye Gaze Paradigman validiteetin arviointi autismispektrihäiriön ennustamisessa (EYE)

Nykyinen tutkimus tapahtuu neljässä vaiheessa: pilottitestaus, kehitys, validointi ja uudelleentestaus. Jokaisessa vaiheessa osallistujat näkevät visuaalisen huomion herätteen sosiaalisten elementtien kanssa (sosiaalisen huomion paradigma) samalla kun katseenseurantamittaukset hankitaan etänä. Visuaalisen huomion paradigmaa jalostetaan pilottitestauksessa, mutta se säilyy samana kehitys-, validointi- ja uudelleentestausvaiheissa. Koko prosessi, mukaan lukien kalibrointi ja visuaalisen paradigman katselu, kestää noin 15 minuuttia. Alla oleva teksti kuvaa jokaista vaihetta yksityiskohtaisesti ja tarkastelee erityisiä metodologiaa sosiaalisen huomion paradigmalle ja katseenseurantamenettelyille.

1. Pilottivaihe. Sosiaalisen huomion paradigman pilottitestaus, jota käytetään silmän katselumittausten saamiseksi sen varmistamiseksi, että ne ovat riittävän mukaansatempaavia kaikissa osallistuvien lasten ikäryhmissä. Visuaalisen huomion paradigman tässä vaiheessa odotetaan olevan 10-12 minuuttia. Tätä vaihetta käytetään myös määrittämään optimaaliset strategiat huomion ylläpitämiseksi koko testausjakson ajan. Alustavat tiedot voivat myös tarjota näkemyksiä kaikkein vaativimmista ärsykeelementeistä sisällytettäväksi tuleviin vaiheisiin. Tutkijat odottavat rekrytoivansa tähän vaiheeseen noin 10 ASD:tä ja 10 muuta kuin ASD:tä. Pilottivaiheen odotetaan vaativan 2,5 kuukautta rekrytointia ja 0,5 kuukautta tietojen vähentämistä ja analysointia.
2. Kehitysvaihe. Kun pilottitestaus on suoritettu, palvelukseen otetaan 30 ASD:tä sairastavaa ja 30 muuta kuin ASD:tä sairastavaa 1,5–18-vuotiasta lasta. Jokainen lapsi suorittaa sosiaalisen huomion paradigman, kun hänen katseensa etäjäljitetään. Katsetiedot pisteytetään sitten yli 100 parametrille ja nämä pisteet syötetään tietokantaan, joka sisältää diagnostisia ja kognitiivisia tietoja jokaisesta osallistujasta. Silmänseurantatiedot analysoidaan sitten diagnostisten ja ennustealgoritmien luomiseksi, jotka tarkentavat järjestelmän diagnostista herkkyyttä ja spesifisyyttä ASD-populaatiossa. Kehitysjakso vaatii 6 kuukauden tiedonkeruun, jota seuraa 3 kuukautta pisteytystä ja algoritmien laskemista.
3. Validointivaihe. Validointinäytteen kokoelma sisältää 60 ASD:tä sairastavaa ja 60 ei-ASD:tä sairastavaa 1,5–18-vuotiasta lasta. Validointivaiheessa käytetään samaa visuaalista sosiaalisen huomion paradigmaa ja menetelmiä, joita käytettiin kehitysnäytteessä. Validointijakso menee päällekkäin algoritmien kehityksen kanssa ja vaatii 8 kuukauden tiedonkeruun ja 1 kuukauden analyysin.
4. Uudelleentestausvaihe. Uudelleentestausvaiheeseen osallistuu 30 ASD:tä ja 30 ei-ASD-lasta, jotka on värvätty validointivaiheen ensimmäisellä puoliskolla. Näille osallistujille selitetään validointivaiheessa, että tutkijat rekrytoivat heidät uudelleen testivaiheeseen noin 3–6 kuukautta validointivaiheen alkutestauksen jälkeen.

Kohdeotoskoko vaihtelee tutkimuksen vaiheen mukaan. Alla on kunkin vaiheen tavoitenäytteen koot:

Pilottivaihe = 10 ASD ja 10 ei-ASD kehitysvaihe = 30 ASD ja 30 ei-ASD validointivaihe = 60 ASD ja 60 ei-ASD uusintatestivaihe = 30 ASD ja 30 ei-ASD (validointivaiheesta) Tutkimus Populaatio on yksilöitä, joilla on autismikirjon häiriö tai kliininen diagnoosi muusta kehityshäiriöstä tai psykiatrisesta häiriöstä (kehitys/psykiatriset kontrollit) tai joilla ei ole erityistä kehitys- tai psykiatrista diagnoosia (terveet kontrollit), iältään 1,5 (18 kuukautta) - 18 (120 kuukautta) suostumuksen aikaan.

Katsetiedot kerätään Sensori-motoric Instruments (SMI) -etäsilmänseurantalaitteella. Etänäönseuranta tarjoaa minimaalisen invasiivisuuden katsojan näkökenttään ja kerää aikaleimattua, 3D-silmän sijaintia sekä kiikarin katse- ja pupillitietoja 120 Hz:n näytteenottotaajuudella. Katsekuvaus kalibroidaan automaattisesti 2/5/9 pisteeseen ja tarjoaa 0,5°:n sijainnin tarkkuuden 60 cm:n katseluetäisyydellä. Katseseurantatiedot, näytön tallenteet, käyttäjätapahtumat ja katseen sijainti tallennetaan samanaikaisesti. Tiedot analysoidaan sekunti kerrallaan painottaen kiinnostavia alueita ja viipymäaikaa tietyissä kohteissa. Esimerkkejä kaapatuista mittaustyypeistä ovat: viipymäaika mihin tahansa ärsykkeen alueeseen, viipymäaika videon ihmismuodon kasvoihin ja muihin alueisiin, kiinnityssiirtymät ärsykkeiden välillä.

Lisätestejä ja demografisia tietoja kerätään tavanomaisista autismidiagnostiikka- ja käyttäytymisterveyden diagnostisista tapaamisista, jotka löytyvät sairauskertomuksesta.

Pilottianalyysit. Pilottivaiheessa tutkijat laskevat vaikutuksen koon (Cohenin d) ASD:n ja ei-ASD:n osallistujien välillä kullekin silmän katseluparametrille, joka on hankittu kullekin yksittäiselle ärsykkeelle sosiaalisen huomion paradigmassa. Kehitysvaiheessa säilytetään ärsykkeitä, jotka aiheuttavat suurimman syrjinnän ASD-potilaiden ja muiden potilaiden välillä.

ASD-diagnostiikkaalgoritmianalyysit. Kehitysvaiheessa kaikki sosiaalisen huomion paradigmasta hankitut katseen katselumittaukset sisällytetään ennustajamuuttujiksi satunnaiseen metsäanalyysiin. Tämä analyysi mahdollistaa lukuisten muuttujien erottelukyvyn arvioinnin tietojoukoissa vaatimattomalla määrällä tapauksia. Muuttujat, joilla on korkeimmat tärkeyspisteet, jotka osoittavat hyvää diagnostista erottelua, sisällytetään logistiseen regressioanalyysiin, jossa ASD-diagnostiikkatila (ASD vs. ei-ASD) on kaksijakoinen riippuvainen muuttuja. Merkittävät ennustajat säilytetään, ja säilytettyjen ennustajien kertoimet toimivat diagnostisena algoritmina.

Diagnostisen algoritmin pisteet lähetetään sitten vastaanottimen toimintaominaisuuksien (ROC) käyräanalyyseihin, jotta saadaan yksityiskohtaista arviota algoritmin herkkyydestä ja spesifisyydestä ASD:n havaitsemisessa. Odotettavissa on > .90 käyrän alle jääviä alueita, mikä viittaa vahvaan diagnostiseen validiteettiin.

Prognostiset algoritmianalyysit. Prognostisen algoritmin tunnistamiseksi suoritetaan samanlainen prosessi, jossa kaikki käytettävissä olevat katseenseurantamittaukset ennustavat ja ei-verbaaliset kognitiiviset kyvyt (dikotomisoitu <70 ja 70 ja enemmän) riippuvaisena muuttujana satunnaisissa metsäanalyyseissä. Ei-verbaalisten kognitiivisten kykyjen pisteet jaetaan kahtia aiempien tietojen perusteella, jotka viittaavat siihen, että henkilöillä, joilla on ASD ja kehitysvamma, tulokset ovat huonompia. Ennustajamuuttujat, joilla on suurin merkitys ja jotka osoittavat hyvää diagnostista erottelua, viedään sitten logistiseen regressioanalyysiin, jossa ei-verbaalinen kognitiivinen kyky (<70, >=70) on kaksijakoinen riippuvainen muuttuja. Merkittävät ennustajat säilytetään ja kertoimet säilytetyistä ennustajista toimivat ennustealgoritmina. Tämän jälkeen ennustealgoritmien pisteet lähetetään vastaanottimen toimintaominaisuuksien (ROC) käyräanalyyseihin, jotta saadaan yksityiskohtaista arviota algoritmin herkkyydestä ja spesifisyydestä ei-verbaalisen kognitiivisen vamman havaitsemisessa. Odotettavissa on >.80 käyrän alle jääviä alueita, mikä osoittaa hyvää validiteettia kognitiivisen vamman ennustamisessa. Ei-verbaalinen kognitiivinen kyky on näiden analyysien ensisijainen painopiste, koska sillä on dokumentoitu suhde autististen henkilöiden tuloksiin. Samanlaisia ​​analyyseja lasketaan kuitenkin verbaalisen kognitiivisen kyvyn ja mukautuvan toiminnan pisteet. Tutkijat suorittavat myös yllä olevat analyysit jatkuvilla mittauksilla, koska dikotomisointi voi tarpeettomasti heikentää validiteettia.

Hoidon seurantaalgoritmianalyysit. Hoidon seurantaalgoritmin tunnistamiseksi tutkijat yksinkertaisesti yhdistävät diagnostisessa ja prognostisessa algoritmissa tunnistetut silmänseurantamittaukset yhdeksi hoidonseurantaalgoritmiksi. Näiden mittausten testin uudelleentestauksen luotettavuuden arvioimiseksi tutkijat käyttävät luokan sisäisiä korrelaatiokertoimia (malli 2 - absoluuttinen yksimielisyys).