Valutazione della validità di un paradigma dello sguardo oculare nella previsione del disturbo dello spettro autistico (EYE)

L'attuale studio si svolgerà in quattro fasi: test pilota, sviluppo, convalida e re-test. In ogni fase, i partecipanti visualizzeranno uno stimolo di attenzione visiva con elementi sociali (paradigma dell'attenzione sociale) mentre le misurazioni del tracciamento oculare vengono acquisite da remoto. Il paradigma dell'attenzione visiva verrà perfezionato durante i test pilota, ma rimarrà lo stesso per le fasi di sviluppo, convalida e ri-test. L'intero processo, inclusa la calibrazione e la visualizzazione del paradigma visivo, richiederà circa 15 minuti. Il testo seguente descrive ogni fase in dettaglio e la metodologia specifica per il paradigma dell'attenzione sociale e le procedure di tracciamento oculare.

1. Fase Pilota. Test pilota del paradigma dell'attenzione sociale utilizzato per ottenere misurazioni dello sguardo per garantire che siano sufficientemente coinvolgenti in tutte le età dei bambini partecipanti. Il paradigma dell'attenzione visiva durante questa fase dovrebbe essere di 10-12 minuti. Questa fase sarà utilizzata anche per determinare strategie ottimali per mantenere l'attenzione durante tutto il periodo di test. I dati iniziali possono anche fornire alcune informazioni sugli elementi di stimolo più discriminanti da includere nelle fasi future. Gli investigatori prevedono di reclutare circa 10 partecipanti ASD e 10 non ASD in questa fase. La fase pilota dovrebbe richiedere 2,5 mesi di reclutamento e 0,5 mesi di riduzione e analisi dei dati.
2. Fase di sviluppo. Una volta completato il test pilota, verranno reclutati 30 bambini affetti da ASD e 30 non ASD di età compresa tra 1,5 e 18 anni. Ogni bambino completerà il paradigma dell'attenzione sociale mentre il suo sguardo viene monitorato a distanza. I dati dello sguardo oculare vengono quindi valutati per più di 100 parametri e questi punteggi vengono inseriti in un database che include informazioni diagnostiche e cognitive su ciascun partecipante. I dati di tracciamento oculare vengono quindi analizzati per creare gli algoritmi diagnostici e prognostici che perfezioneranno la sensibilità e la specificità diagnostica del sistema nella popolazione ASD. Il periodo di sviluppo richiederà 6 mesi di raccolta dati, seguiti da 3 mesi di calcolo del punteggio e dell'algoritmo.
3. Fase di convalida. La raccolta del campione di convalida includerà 60 bambini affetti da ASD e 60 non affetti da ASD di età compresa tra 1,5 e 18 anni. La fase di convalida utilizzerà lo stesso paradigma e metodi di attenzione sociale visiva utilizzati nel campione di sviluppo. Il periodo di convalida si sovrapporrà allo sviluppo dell'algoritmo e richiederà 8 mesi di raccolta dati e 1 mese di analisi.
4. Fase di ri-test. I partecipanti alla fase di re-test includeranno 30 bambini ASD e 30 non ASD reclutati nella prima metà della fase di convalida. A questi partecipanti verrà spiegato nella fase di convalida che gli investigatori li recluteranno nuovamente per la fase di ripetizione del test circa 3-6 mesi dopo il loro test iniziale durante la fase di convalida.

La dimensione del campione target varia a seconda della fase dello studio. Di seguito sono riportate le dimensioni del campione target per ciascuna fase:

Fase pilota = 10 ASD e 10 non ASD Fase di sviluppo = 30 ASD e 30 non ASD Fase di convalida = 60 ASD e 60 non ASD Fase di riesame = 30 ASD e 30 non ASD (dalla fase di convalida) Lo studio la popolazione è costituita da individui con disturbo dello spettro autistico o con diagnosi clinica di un altro disturbo dello sviluppo o psichiatrico (controlli dello sviluppo/psichiatrici) o senza diagnosi specifica dello sviluppo o psichiatrica (controlli sani), età compresa tra 1,5 (18 mesi) e 18 (120 mesi) al momento del consenso.

I dati dello sguardo oculare saranno raccolti utilizzando un eye tracker remoto da strumenti sensomotori (SMI). Il tracciamento oculare remoto offre un'invasività minima per il campo visivo dello spettatore e raccoglie i dati con data e ora, posizione dell'occhio 3D e sguardo binoculare e pupilla a una frequenza di campionamento di 120 Hz. La cattura dello sguardo viene calibrata automaticamente su 2/5/9 punti e fornisce una precisione di posizione fino a 0,5° a una distanza di visione di 60 cm. I dati di tracciamento dello sguardo, le registrazioni dello schermo, gli eventi dell'utente e la posizione dello sguardo verranno registrati contemporaneamente. I dati verranno analizzati con particolare attenzione alle aree di interesse e al tempo di permanenza su obiettivi specifici secondo per secondo. Esempi dei tipi di misure acquisite includono: tempo di permanenza su qualsiasi area dello stimolo, tempo di permanenza sulle regioni facciali e non facciali di una forma umana sul video, spostamenti di fissazione tra gli stimoli.

Ulteriori test e dati demografici saranno raccolti dagli appuntamenti diagnostici standard di cura dell'autismo e della salute comportamentale che possono essere trovati nella cartella clinica.

Analisi pilota. Nella fase pilota, i ricercatori calcoleranno la dimensione dell'effetto (Cohen's d) tra i partecipanti ASD e non ASD per ciascuno dei parametri dello sguardo acquisito per ciascuno dei singoli stimoli nel paradigma dell'attenzione sociale. Gli elementi di stimolo che suscitano la più grande discriminazione tra pazienti ASD e non ASD saranno mantenuti nella fase di sviluppo.

Analisi dell'algoritmo diagnostico ASD. Nella fase di sviluppo, tutte le misurazioni dello sguardo acquisite dal paradigma dell'attenzione sociale saranno incluse come variabili predittive in un'analisi forestale casuale. Questa analisi permette di valutare la capacità discriminativa di un gran numero di variabili in set di dati con un numero modesto di casi. Le variabili con i punteggi di importanza più elevata, che indicano una buona discriminazione diagnostica, verranno inserite in un'analisi di regressione logistica con stato diagnostico ASD (ASD vs. non-ASD) come variabile dipendente dicotomica. I predittori significativi verranno mantenuti ei coefficienti dei predittori mantenuti fungeranno da algoritmo diagnostico.

I punteggi dell'algoritmo diagnostico verranno quindi sottoposti all'analisi della curva ROC (Receiver Operating Characteristic) per fornire una valutazione dettagliata della sensibilità e della specificità dell'algoritmo nel rilevamento dell'ASD. Sono attese aree sotto la curva >.90, che indicano una forte validità diagnostica.

Analisi dell'algoritmo prognostico. Per identificare un algoritmo prognostico, verrà condotto un processo simile con tutte le misure di tracciamento oculare disponibili come predittori e punteggi di abilità cognitiva non verbale (dicotomizzati a <70 e 70 e oltre) come variabile dipendente nelle analisi casuali della foresta. I punteggi delle capacità cognitive non verbali saranno dicotomizzati sulla base di dati precedenti che suggeriscono che le persone con ASD e disabilità intellettiva mostrano risultati peggiori. Le variabili predittive con la massima importanza, che indicano una buona discriminazione diagnostica, saranno quindi inserite in un'analisi di regressione logistica con capacità cognitiva non verbale (<70, >=70) come variabile dipendente dicotomica. I predittori significativi verranno mantenuti e i coefficienti dei predittori mantenuti fungeranno da algoritmo prognostico. I punteggi dell'algoritmo prognostico saranno quindi sottoposti all'analisi della curva ROC (Receiver Operating Characteristic) per fornire una valutazione dettagliata della sensibilità e della specificità dell'algoritmo nel rilevamento della disabilità cognitiva non verbale. Sono attese aree sotto la curva >.80, che indicano una buona validità nella previsione della disabilità cognitiva. L'abilità cognitiva non verbale sarà l'obiettivo principale di queste analisi a causa della sua relazione documentata con l'esito negli individui con autismo. Tuttavia, analisi simili saranno calcolate per l'abilità cognitiva verbale e i punteggi della funzione adattiva. Gli investigatori condurranno anche le analisi di cui sopra utilizzando misurazioni continue poiché la dicotomizzazione potrebbe sgonfiare inutilmente la validità.

Analisi dell'algoritmo di monitoraggio del trattamento. Per identificare un algoritmo di tracciamento del trattamento, gli investigatori combineranno semplicemente le misurazioni del tracciamento oculare identificate nell'algoritmo diagnostico e prognostico in un singolo algoritmo di tracciamento del trattamento. Per valutare l'affidabilità dei test ripetuti di queste misurazioni, i ricercatori utilizzeranno i coefficienti di correlazione intra-classe (modello 2 - accordo assoluto).