瞳孔注意定向反应在整个生命周期中的非线性变化

如下是一篇使用核磁下EyeLink 1000 Plus 眼动仪结合fMRI实验的文章。通过眼动的瞳孔数据揭示在不同年龄段的认知衰老非线性变化过程。

任务概述

被试在执行听觉辨别任务时要记住一系列图片。被试听两种类型的音调（低音和高音），并通过按下目标音调的按钮来响应。

任务刺激

音调刺激为高（1200 Hz）或低（400 Hz），持续时间为60毫秒。呈现背景视觉刺激，以在整个测试过程中保持一致的亮度和认知参与度。它们由 144 张彩色图片组成，平均分布在面部、物体和场景图片中。

瞳孔测量

使用Eyelink 1000 Plus MRI兼容眼动仪（SR-Research，加拿大）以1000 Hz采样率记录眼球运动，眨眼和瞳孔大小，使用右眼记录。眼动仪在任务开始前使用9点校准程序进行校准。在每个block之前重新检查校准。在运行过程中，提醒被试仅在必要时眨眼以获得舒适感，并将目光集中在注视点上。

瞳孔数据处理

使用EyeLink DataViewer应用程序（SR-Research，加拿大）进行标准化，然后使用自定义阈值进行清理。清理后，通过计算整个实验时间序列中该个体的第 1 个和第 99 个百分位瞳孔直径值之间的差异来估计被试的动态范围。刺激前基线瞳孔大小定义为刺激前500ms窗口内的平均瞳孔大小。所有值均通过减去刺激前基线水平大小进行归一化。对于动态范围归一化，瞳孔大小值通过除以每个人的动态范围来缩放。根据已发表的推荐，考虑的参数包括曲线下面积（AUC，梯形法）、最大值、潜伏期至最大值（试验开始时间到出现最大瞳孔直径）以及最大正负变化率。出于可视化目的，还计算了每组的平均瞳孔响应曲线，以动态范围的比例表示。

统计分析

虚拟编码

在以音调类型（无音调、干扰项或目标）作为结果预测因子的分析中，无音调试验编码为0，干扰项为1，目标编码为2。对于年龄组，年轻人被编码为0，中年人为1，老年人为2。

模型

线性混合效应模型使用R语言中的 lme4 包运行 。所有个体的所有试验均纳入模型。汇总统计量，包括p值和F统计量，使用方差分析（或在广义线性混合效应模型的情况下使用joint_tests函数）的似然比检验计算。使用Wald方法和sjPplot包函数tab_model生成完整的结果表，包括t统计量和置信区间。使用 Holm 方法调整 P 值。事后交互和估计图是使用 sjPlot 包中的plot_model命令制作的。

结果

定义年龄组

我们的第一个问题是如何对被试进行分组，以便最好地代表瞳孔动力学随年龄轨迹的变化。为了捕捉这种变化，我们使用网格搜索根据相性瞳孔反应定义3个年龄组。

表1 瞳孔特征（AUC、最大值、最小值、潜伏期至最大值、最大正导数、最大负导数）的主成分分析结果。

定向任务的性能

准确性

总体而言，在音调辨别任务上的表现没有显着的年龄差异。我们运行了一个混合效应模型来模拟年龄组和色调类型对任务准确性的影响，年龄组（年轻，中年，老年人）的注视效应以及图像和被试的随机效应。年龄组对反应准确性没有显著影响，F（2，inf） = 0.07，p = 0.93

a 按年龄分列的任务准确性 b 按年龄分列的整个实验中平均瞳孔人数 c 按年龄分列的动态范围

瞳孔动力学

基线瞳孔

首先评估了三个年龄组是否具有相似的质量数据。所有组在清理过程中进行了相似数量的数据插值，在年轻人、中年人和老年人中分别为24.8%、13.1%和21.1%。插值数据的比例差异无统计学意义，F（2，71） = 2.69，p = 0.07。大多数插值是由于在MRI扫描仪中眨眼，而有些插值可能是由于难以获得稳定的瞳孔测量值。

接下来，我们检查了平均瞳孔大小和动态范围的年龄组差异。与年龄相关性瞳孔缩小一致，平均瞳孔大小随年龄增长而减小，中年和老年人的平均瞳孔大小分别是年轻人的80%和73%。使用单因素方差分析比较各年龄组之间的个体平均瞳孔大小，差异显著，F（2，71）= 4.88，p = 0.01，中年和老年人的基线瞳孔大小均小于年轻人，瞳孔动态范围也随着年龄的增长而下降，比平均瞳孔大小更明显，中老年人的，态范围分别是年轻人的59%和53%， F（2，71） = 13.6， p < 0.001， 与年轻人相比，中老年人的动态范围有所缩小。

相瞳孔反应

为了研究年龄和试验类型对瞳孔反应的影响，我们绘制了所有三个年龄组的无音、干扰和目标试验的平均瞳孔反应曲线（图）

总结图说明了瞳孔定向的年龄相关变化。

数据可用性

原始数据可从开放科学框架 https://osf.io/p6ux5/ 获得。