Protokolle
Den Methodenteil schreiben
Ein guter Methodenteil erlaubt es anderen, Ihr Experiment nachzumachen. Hier ein Startpunkt.
Gutachter und Leser wollen genau wissen, wie der Test durchgeführt wurde. Diese Beispielabsätze zeigen, welche Details hineingehören. Nehmen Sie sie als Ausgangspunkt: Passen Sie jeden Wert an das an, was Sie tatsächlich getan haben, und ergänzen Sie Angaben zu Becken, Raum und Tieren.
Morris-Wasserlabyrinth (Video-Tracking)
Ein bearbeitbarer Methodenabsatz für ein mit HVS Image verfolgtes Wasserlabyrinth. Ersetzen Sie jede [eckige Klammer] durch Ihre eigenen Werte.
Die Schwimmwege wurden mit einer Tracking-Kamera aufgezeichnet und mit der Video-Tracking-Software HVS Image ([Version und Build]) ausgewertet. Das Becken ([Beckendurchmesser] cm) wurde durch Klicken auf den Nord-, Süd-, West- und Ostrand der Wasserfläche kalibriert, und jede verwendete Plattformposition wurde kalibriert, mit der Beckenmitte als Position 0; der Plattformdurchmesser betrug [Zieldurchmesser] cm. Es gab [Anzahl der Durchgänge] Durchgänge pro Tag an [Anzahl der Tage] Tagen, von [Startpunkte], mit einer Höchstdauer von [Max Seconds] s; die Durchgänge endeten [bei Ankunft auf der Plattform / nachdem das Tier [n] s auf der Plattform geblieben war / manuell]. In Probe Trials ([Probe-Dauer] s) wurde die gelernte Plattformposition eingegeben, sodass die Maße relativ zum gelernten Ort berechnet wurden. Latenz, Weglänge, mittlere und aktive Schwimmgeschwindigkeit, % Zeit im Zielquadranten, Plattformüberquerungen, Nahbegegnungen, Thigmotaxis und Gallagher-Proximität wurden in HVS Image berechnet, mit einem Thigmotaxis-Band von [Bandwert] des Beckenradius, einem Nahbegegnungszähler von [Zählerwert] und einer Inaktivitätsschwelle von [Schwelle] m/s. [Anordnung der distalen Hinweisreize.] [Wassertiefe, Temperatur und Trübung laut Ihrem Protokoll.] Das Verfahren beruhte auf Morris (1984), die Proximitätsmaße auf Gallagher et al. (1993).
Hinweise für Autoren
Füllen Sie jede [eckige Klammer] aus Ihrem Protokoll und Ihren gespeicherten Dateien aus. Analyseeinstellungen wie die Zählergröße werden unter ‘Advanced’ gewählt, der Build steht rechts im Hauptmenü von HVS Image. Geben Sie Build und verwendete Analyseeinstellungen an und halten Sie sie in einer Studie konstant. Probe-Maße wie Plattformüberquerungen, Nahbegegnungen, Gallagher-Proximität und die Direct Path Measures werden relativ zum gelernten Ort interpretiert.
Vorhees und Williams (2006) beschreiben das Referenzgedächtnis als bestimmt durch die Präferenz für den Plattformbereich, wenn die Plattform fehlt, und merken an, dass Durchgänge mit sichtbarer Plattform zeigen, ob vom Ortslernen unabhängige Leistungsfaktoren vorliegen; beschreiben Sie gegebenenfalls Ihre Durchgänge mit sichtbarer Plattform.
Barnes-Labyrinth (Video-Tracking)
Ein bearbeitbarer Methodenabsatz für ein mit HVS Image verfolgtes Barnes-Labyrinth.
Das Verhalten wurde mit einer Tracking-Kamera aufgezeichnet und mit dem Barnes-Labyrinth der Video-Tracking-Software HVS Image ([Version und Build]) ausgewertet. Die Labyrinthfläche ([Labyrinthdurchmesser] cm, [Anzahl der Löcher] Löcher) wurde durch Klicken auf den oberen, unteren, linken und rechten Rand kalibriert, und jede Lochposition wurde kalibriert. Die Durchgänge dauerten bis zu [Max Seconds] s und endeten, wenn das Tier das Fluchtloch betrat [manuell / automatisch mit ‘Auto-end on escape hole’]. Lochannäherungen wurden automatisch gezählt, und Untersuchungen (Fehler) pro Loch, Latenz und Weglänge bis zum Zielloch sowie die primäre Weglänge wurden berechnet, mit einem Thigmotaxis-Band von [Bandwert] (so eingestellt, dass die Löcher darin lagen) und einer Zählergröße von [Zählerwert]. In Probe Trials ([Probe-Dauer] s) wurde das gelernte Zielloch als Ziel eingegeben. [Fluchtbox, aversiver Reiz und Beleuchtung laut Ihrem Protokoll.]
Hinweise für Autoren
Füllen Sie jede [eckige Klammer] aus Ihrem Protokoll und Ihren gespeicherten Dateien aus. Analyseeinstellungen wie die Zählergröße werden unter ‘Advanced’ gewählt, der Build steht rechts im Hauptmenü von HVS Image. Geben Sie Build und verwendete Analyseeinstellungen an und halten Sie sie in einer Studie konstant. Geben Sie an, ob die Durchgänge manuell oder automatisch mit ‘Auto-end on escape hole’ endeten.
Barnes (1979) testete Ratten auf einer kreisförmigen Plattform, deren Lösung die Nutzung räumlicher Hinweisreize begünstigte; zitieren Sie ihn, wenn Sie den Ursprung der Aufgabe beschreiben.
Open Field und Objekterkennung (Video-Tracking)
Ein bearbeitbarer Methodenabsatz für mit HVS Image verfolgte Open-Field- oder Objekttests.
Das Verhalten wurde mit einer Tracking-Kamera aufgezeichnet und mit der Video-Tracking-Software HVS Image ([Version und Build]) ausgewertet. Der Tracking-Bereich ([Höhe] × [Breite] cm; [Anzahl der Arenen] Arenen) wurde durch Klicken auf die Ecken oben links und unten rechts kalibriert. Zur Analyse wurde der Tracking-Bereich in ein [Rastergröße]-Raster geteilt, und für jede Zone wurden % Zeit, % Weg, Eintritte und Latenz berechnet, zusammen mit Gesamtweglänge, mittlerer Geschwindigkeit und [Zeitabschnitte, falls verwendet: [Anzahl der Abschnitte]]. Freezing wurde definiert als Bewegung von höchstens [Strecke] cm in [Zeit] s. [Bei Objekttests: Objekte wurden in Zonenmitten platziert, die Zeit nahe jedem Objekt aus dem Tracking des Körpermittelpunkts bewertet; Schnüffeln und Kontakte wurden manuell per [Methode] bewertet.] Die Durchgänge dauerten [Max secs] s. [Arenamaterial, Beleuchtung und Reinigung zwischen Tieren laut Ihrem Protokoll.]
Hinweise für Autoren
Füllen Sie jede [eckige Klammer] aus Ihrem Protokoll und Ihren gespeicherten Dateien aus. Analyseeinstellungen wie die Zählergröße werden unter ‘Advanced’ gewählt, der Build steht rechts im Hauptmenü von HVS Image. Geben Sie Build und verwendete Analyseeinstellungen an und halten Sie sie in einer Studie konstant. Kriterien für Freezing und Inaktivität legt der Nutzer fest; nennen Sie daher Strecke und Zeitfenster.
Angstbezogene Open-Field-Maße: Simon et al. (1994) betrachteten das Ausmaß der Thigmotaxis in den ersten Minuten als Angstindex bei Mäusen, und Prut und Belzung (2003) geben einen Überblick über das Open Field als sehr beliebtes Tiermodell für angstähnliches Verhalten. Für die Objekterkennung zitieren Sie die verwendete Ein-Durchgang-Objekterkennungsmethode.
Armlabyrinthe und Elevated Plus Maze (Video-Tracking)
Ein bearbeitbarer Methodenabsatz für mit HVS Image verfolgte T-, Y-, Plus- und Radiallabyrinthe.
Das Verhalten wurde mit einer Tracking-Kamera aufgezeichnet und mit der Video-Tracking-Software HVS Image ([Version und Build]) ausgewertet. Das [Labyrinthtyp] ([Armmaße]) wurde durch Klicken der Labyrinthpunkte in der von der Software angegebenen Reihenfolge kalibriert. Ein Armeintritt wurde über eine Detection Area von [Prozentsatz] % jedes Arms definiert (bei 100 % zählt jeder Eintritt). Berechnet wurden Gesamtzahl der Armeintritte, besuchte Arme, Eintritte pro Arm, Latenzen, % Weg und % Zeit pro Arm sowie die Reihenfolge der Armeintritte[; beim Elevated Plus Maze wurden % Zeit und Eintritte in offene gegenüber geschlossenen Armen berechnet (Walf und Frye, 2007)]. Die Durchgänge dauerten [Max secs] s. [Labyrinthhöhe, Wandmaterial, Beleuchtung und Reinigung laut Ihrem Protokoll.]
Hinweise für Autoren
Füllen Sie jede [eckige Klammer] aus Ihrem Protokoll und Ihren gespeicherten Dateien aus. Analyseeinstellungen wie die Zählergröße werden unter ‘Advanced’ gewählt, der Build steht rechts im Hauptmenü von HVS Image. Geben Sie Build und verwendete Analyseeinstellungen an und halten Sie sie in einer Studie konstant. Sie können jederzeit mit anderen Detection-Area-Prozentsätzen neu analysieren; nennen Sie daher den in jeder Analyse verwendeten.
Weitere Quellen: Pellow et al. (1985) validierten das Verhältnis offener : geschlossener Armeintritte als Angstmaß bei der Ratte; Olton und Samuelson (1976) testeten Ratten in einem Achtarmlabyrinth; Deacon und Rawlins (2006) liefern ein T-Labyrinth-Alternationsprotokoll.
Forced-Swim-Test (Video-Tracking)
Ein bearbeitbarer Methodenabsatz für den mit HVS Image verfolgten Forced-Swim-Test.
Das Verhalten wurde mit einer Tracking-Kamera aufgezeichnet und mit der Video-Tracking-Software HVS Image ([Version und Build]) ausgewertet. Es wurden [Anzahl der Behälter] Behälter verfolgt; der Tracking-Bereich wurde als Band um die Wasserlinie kalibriert ([Bandhöhe] × [Bandbreite] cm), so bemessen, dass der höchste Punkt des Tiers beim Klettern im oberen, beim Schwimmen oder Treiben im mittleren und beim Tauchen im unteren Drittel lag. HVS Image klassifizierte Klettern, Schwimmen/Treiben und Tauchen anhand des höchsten Körperteils im Tracking-Bereich und trennte Schwimmen von Treiben über die Geschwindigkeit. Berechnet wurden % Zeit Klettern, Schwimmen, Treiben und Tauchen, Gesamtweglänge und mittlere Geschwindigkeit. Die Durchgänge dauerten [Max secs] s. [Behältermaße, Wassertiefe und -temperatur sowie Vortestsitzung laut Ihrem Protokoll.]
Hinweise für Autoren
Füllen Sie jede [eckige Klammer] aus Ihrem Protokoll und Ihren gespeicherten Dateien aus. Analyseeinstellungen wie die Zählergröße werden unter ‘Advanced’ gewählt, der Build steht rechts im Hauptmenü von HVS Image. Geben Sie Build und verwendete Analyseeinstellungen an und halten Sie sie in einer Studie konstant. Beschreiben Sie das Band sorgfältig, denn die Klassifikation hängt davon ab, wo darin der höchste Punkt des Tiers liegt.
In der Datenbank geprüfter Publikationen gibt es noch keine Forced-Swim-Arbeit (eine klassische Referenz wurde vorgeschlagen und wartet auf Freigabe); ergänzen Sie daher Ihre eigene Primärreferenz für das Verfahren.
VR-Wasserlabyrinth (HVS 6D VR)
Ein bearbeitbarer Methodenabsatz für ein menschliches VR-Wasserlabyrinth in HVS 6D VR, ausgewertet in HVS Image.
Die Aufgabe lief in HVS 6D VR ([Version]) mit einem per Link-Kabel verbundenen Quest-3-Headset; die Teilnehmenden bewegten sich mit [dem Omnidrive-Laufband / der Trittplatte / den Pfeiltasten / Kopfneigungen]. Jedes Experiment war in einer vrScript-Datei definiert (technische Referenz HVS Image vrScript, doi:10.5281/zenodo.22303968), mit einem Tracking-Durchmesser von [TRACKING_DIAMETER], einem Zielradius von [TARGET_RADIUS] m, einer maximalen Durchgangsdauer von [MAXIMUM_TIME] und [Hinweisreizanordnung und Szene]. Startpositionen und Ausrichtung wurden pro Durchgang im vrScript festgelegt. HVS 6D VR zeichnete zeitgestempelte Positionen auf, die HVS Image ([Version und Build]) für alle Maße auf eine Position pro 100 ms (10 Hz) glättete. Die Durchgänge wurden in HVS Image wie beim Wasserlabyrinth ausgewertet, mit einer Inaktivitätsschwelle von [Schwelle] m/s (technische Notiz HVS Image Inactivity, doi:10.5281/zenodo.21797205). [Rekrutierung, Einwilligung, Sicherheitsverfahren und Übung laut Ihrem Protokoll.]
Hinweise für Autoren
Füllen Sie jede [eckige Klammer] aus Ihren vrScript-Dateien und .BOND-Headern aus, die die beste Konfigurationsaufzeichnung sind. Für die Vergleichbarkeit mit dem Nagetierlabyrinth wird ein TRACKING_DIAMETER von 200 empfohlen. Werte von Nagetieren und aus menschlicher VR sollten nicht direkt verglichen werden. HVS 6D VR zeichnet Hilfe durch die Versuchsleitung nicht auf (geskriptetes Audio ist möglich); beschreiben Sie daher jede Hilfe, die Sie gegeben haben.
Astur et al. (1998) nutzten eine computergestützte Version der Morris-Wasseraufgabe, um zu prüfen, ob sie auf den Menschen übertragbar ist; zitieren Sie sie, wenn Sie Vorläufer des menschlichen virtuellen Wasserlabyrinths besprechen.
Inaktivitätsmaß (Treiben)
Ein Satz für den Fall, dass Sie Inaktivität oder aktive Geschwindigkeit aus HVS Image berichten.
Inaktivität wurde als Geschwindigkeit unter [Schwelle] m/s definiert. Positionen [mit bis zu 60 Hz erfasst (Video-Tracking) / mit variabler Rate aufgezeichnet (HVS 6D VR)] wurden auf eine Position pro 100 ms geglättet; die Geschwindigkeit pro Intervall war der euklidische Abstand zwischen aufeinanderfolgenden geglätteten Positionen geteilt durch die verstrichene Zeit, Intervalle unter der Schwelle galten als inaktiv, und % Inaktivität war die summierte inaktive Dauer geteilt durch die gesamte Durchgangsdauer (technische Notiz HVS Image Inactivity, doi:10.5281/zenodo.21797205).
Hinweise für Autoren
Die Standardschwelle ist 0,05 m/s (5 cm/s) und kann für Art, Protokoll oder virtuelle Umgebung geändert werden; geben Sie daher den verwendeten Wert an.
Die aktive Geschwindigkeit nutzt nur Intervalle an oder über der Inaktivitätsschwelle (genau 0,05 gilt beim Standard als aktiv); berichten Sie sie daher zusammen mit der Inaktivität, wenn Sie Latenz und Weglänge deuten.
Direct Path Measures
Ein Satz für den Fall, dass Sie Direct Path Measures aus HVS Image berichten.
Anfängliche Annäherungen wurden mit den HVS Image Direct Path Measures klassifiziert (technische Notiz HVS Image Direct Path Measures, doi:10.5281/zenodo.21870806; HVS Image [Version und Build]), mit einem Nahbegegnungszähler von [Wert von Counter diam x], einer Randzone (ThigRatio) von [Wert] und einer Peildistanz von [Wert, wie im Heading range exportiert]. Ein Pfad galt als direkt, wenn tatsächlicher Pfad / kürzester Pfad höchstens 1,2 betrug; die Klassifikationen berücksichtigten nur die erste Ankunft und wurden nur ausgewertet, wenn der Durchgang außerhalb des Zielbereichs begann.
Hinweise für Autoren
Halten Sie diese drei Einstellungen in einer Studie konstant und geben Sie sie an; prüfen Sie den exportierten Heading range, statt einen Wert anzunehmen. Geben Sie bei neu analysierten Daten den Build an.
Die automatisierten Regeln sind neu und haben noch keine begutachteten Validierungsarbeiten; beschreiben Sie sie daher so, wie sie in der technischen Notiz definiert sind. Direct-Path-Klassifikationen werden für Zeitabschnitte nicht erzeugt.
Gallagher-Proximität, roh und korrigiert
Ein Satz für den Fall, dass Sie Gallagher-Proximität aus HVS Image berichten.
Die Suchproximität wurde als globale Gallagher-Proximität (mittlerer Abstand zum Ziel über den [Durchgang / Zeitabschnitt]) und kumulative Proximität (Summe der sekündlichen mittleren Abstände) quantifiziert (Gallagher et al., 1993), berechnet in HVS Image ([Version und Build]). Korrigierte Werte schlossen die Zeit aus, die das Tier bei seiner mittleren aktiven Schwimmgeschwindigkeit für die Luftlinie vom Start zum Ziel bräuchte; Roh- und korrigierte Werte werden zusammen angegeben.
Hinweise für Autoren
Die kumulative Proximität sollte mit Latenz und Weglänge gelesen werden, weil die Fluchtzeit das Summierungsfenster bestimmt. Korrigierte Werte sind „nicht anwendbar“, wenn es kein gültiges Ziel, zu wenige Pfaddaten oder keine aktive Geschwindigkeit gibt oder nach der Korrektur keine Messpunkte bleiben.
Gallagher et al. (1993) fanden dieses Proximitätsmaß sehr empfindlich für altersbedingte Beeinträchtigungen. Sehr kurze Restaufzeichnungen nach der Korrektur können die Interpretation einschränken, auch wenn ein Wert entsteht.
Wenn Sie HVS Image verwendet haben, siehe die Zitierhinweise für Analysen und Methoden von HVS Image.
Einen Fehler entdeckt oder eine bessere Quelle? Sagen Sie es uns, wir korrigieren es und vermerken es auf unserer Korrekturseite.