PsychoPy is an application for the creation of experiments in behavioral science (psychology, neuroscience, linguistics, etc.) with precise spatial control and timing of stimuli. It now provides a choice of interface; users can write scripts in Python if they choose, while those who prefer to construct experiments graphically can use the new Builder interface. Here we describe the features that have been added over the last 10 years of its development. The most notable addition has been that Builder interface, allowing users to create studies with minimal or no programming, while also allowing the insertion of Python code for maximal flexibility. We also present some of the other new features, including further stimulus options, asynchronous time-stamped hardware polling, and better support for open science and reproducibility. Tens of thousands of users now launch PsychoPy every month, and more than 90 people have contributed to the code. We discuss the current state of the project, as well as plans for the future.

Objective:

 To establish the diagnostic accuracy of the Montreal Cognitive Assessment (MoCA) when screening externally validated cognition in Parkinson disease (PD), by comparison with a PD-focused test (Scales for Outcomes in Parkinson disease–Cognition [SCOPA-COG]) and the standardized Mini-Mental State Examination (S-MMSE) as benchmarks. 

Methods:

 A convenience sample of 114 patients with idiopathic PD and 47 healthy controls was examined in a movement disorders center. The 21 patients with dementia (PD-D) were diagnosed using Movement Disorders Society criteria, externally validated by detailed independent functional and neuropsychological tests. The 21 patients with mild cognitive impairment (PD-MCI) scored 1.5 SD or more below normative data in at least 2 measures in 1 of 4 cognitive domains. Other patients had normal cognition (PD-N). 

Results:

 Primary outcomes using receiver operating characteristic (ROC) curve analyses showed that all 3 mental status tests produced excellent discrimination of PD-D from patients without dementia (area under the curve [AUC], 87%–91%) and PD-MCI from PD-N patients (AUC, 78%–90%), but the MoCA was generally better suited across both assessments. The optimal MoCA screening cutoffs were <21/30 for PD-D (sensitivity 81%; specificity 95%; negative predictive value [NPV] 92%) and <26/30 for PD-MCI (sensitivity 90%; specificity 75%; NPV 95%). Further support that the MoCA is at least equivalent to the SCOPA-COG, and superior to the S-MMSE, came from the simultaneous classification of the 3 PD patient groups (volumes under a 3-dimensional ROC surface, chance = 17%: MoCA 79%, confidence interval [CI] 70%–89%; SCOPA-COG 74%, CI 62%–86%; MMSE-Sevens item 56%, CI 44%–68%; MMSE-World item 62%, CI 50%–73%). 

Conclusions:

 The MoCA is a suitably accurate, brief test when screening all levels of cognition in PD.

Many researchers in the behavioral sciences depend on research software that presents stimuli, and records response times, with sub-millisecond precision. There are a large number of software packages with which to conduct these behavioral experiments and measure response times and performance of participants. Very little information is available, however, on what timing performance they achieve in practice. Here we report a wide-ranging study looking at the precision and accuracy of visual and auditory stimulus timing and response times, measured with a Black Box Toolkit. We compared a range of popular packages: PsychoPy, E-Prime®, NBS Presentation®, Psychophysics Toolbox, OpenSesame, Expyriment, Gorilla, jsPsych, Lab.js and Testable. Where possible, the packages were tested on Windows, macOS, and Ubuntu, and in a range of browsers for the online studies, to try to identify common patterns in performance. Among the lab-based experiments , Psychtoolbox, PsychoPy, Presentation and E-Prime provided the best timing, all with mean precision under 1 millisecond across the visual, audio and response measures. OpenSesame had slightly less precision across the board, but most notably in audio stimuli and Expyriment had rather poor precision. Across operating systems , the pattern was that precision was generally very slightly better under Ubuntu than Windows, and that macOS was the worst, at least for visual stimuli, for all packages. Online studies did not deliver the same level of precision as lab-based systems, with slightly more variability in all measurements. That said, PsychoPy and Gorilla, broadly the best performers, were achieving very close to millisecond precision on several browser/operating system combinations. For response times (measured using a high-performance button box), most of the packages achieved precision at least under 10 ms in all browsers, with PsychoPy achieving a precision under 3.5 ms in all. There was considerable variability between OS/browser combinations, especially in audio-visual synchrony which is the least precise aspect of the browser-based experiments. Nonetheless, the data indicate that online methods can be suitable for a wide range of studies, with due thought about the sources of variability that result. The results, from over 110,000 trials, highlight the wide range of timing qualities that can occur even in these dedicated software packages for the task. We stress the importance of scientists making their own timing validation measurements for their own stimuli and computer configuration.

A robust understanding of the natural history of apathy in Parkinson disease (PD) is foundational for developing effective clinical management tools. However, large longitudinal studies are lacking while the literature is inconsistent about even cross-sectional associations. We aimed to determine the longitudinal predictors of apathy development in a large cohort of people with PD and its cross-sectional associations and trajectories over time, using sophisticated Bayesian modeling techniques.

Abstract Background Previous research has shown an association between thalamus and cognition in Parkinson’s disease (PD). Objectives To investigate the microstructural integrity of the nuclei of the thalamus and relationship with cognition. Methods Level II Movement Disorder Society Task Force Criteria characterised patients with Parkinson’s disease as cognitively normal (PDN, n=51); with mild cognitive impairment (PD-MCI, n=16) or with dementia (PDD, n=15). Twenty-three healthy control subjects were included for comparison. A k -means clustering approach segmented the thalamus into regions representing nine major nuclei. Volume, fractional anisotropy and mean diffusivity of nuclei were compared between cognitive groups and the relationship with cognitive domain z-scores investigated using hierarchical Bayesian regression models. Results There was an overall progressive increase in mean diffusivity as cognition deteriorated (PDN: 1.4 µm 2 /s (95% uncertainty interval [0.2, 2.7]), PDMCI: 2.4 µm 2 /s [0.8,4.0], PDD: 4.5 µm 2 /s [2.8, 6.3]). The largest increase was in the lateral dorsal nucleus (PDN: 0.3 µm 2 /s [-6.7, 7.2], PDMCI: 5.4 µm 2 /s [-4.7, 16.1], PDD: 14.8 µm 2 /s [5.0, 25.0]). Fractional anisotropy showed minimal change between cognitive groups (PDN: 0.001 [-0.005, 0,007], PDMCI: −0.005 [-0.013, 0.003], PDD: −0.005 [-0.014, 0.003]). Increase in mean diffusivity of the thalamus is associated with a global decline in cognition, the magnitude of the effect was greatest in lateral dorsal nucleus. Fractional anisotropy only showed evidence of a relationship with cognitive domain scores in the lateral dorsal nucleus. Conclusions The relationship between lateral dorsal nucleus integrity and cognitive changes is likely due to its primary connectivity with frontal and temporal regions.

Abstract Background People with Parkinson’s disease who meet criteria for mild cognitive impairment are at increased risk of dementia. It is not known which tests are more effective than others for identifying the risk of dementia. Methods At baseline, we assessed performance on 21 neuropsychological test measures spanning five cognitive domains in a prospective longitudinal study of 196 non-demented people with Parkinson’s. Elastic net logistic regression was used to identify a pair of tests from each cognitive domain that best predicted conversion to dementia over a four year period. The optimal tests most predictive of dementia were also determined when mild cognitive impairment was derived from a logistic-regression classifier that used all 21 measures simultaneously. Results With two tests per domain, the resulting mild cognitive impairment group (N=87/196) captured 44 of 51 individuals who converted to PDD; the out-of-sample relative risk of PDD was 8.0 (95% CI [4.3, 24]), similar to that achieved with the full battery (N=102/196, capturing 45/51, relative risk = 6.9). When selecting tests regardless of domain, there was strong evidence for three tests: Trail Making part B (Executive), Map Search (Attention), and CVLT-II word list acquisition (Episodic Memory). The logistic-regression classifier achieved an out-of-sample AUC of 0.90 [0.84, 0.96] and a relative risk of 12 [6, 39]. Conclusions An abbreviated selection of neuropsychological tests can identify non-demented patients who have a high relative risk of progression to PDD.