Indledning
Attention deficit/hyperactivity disorder (ADHD) er en af de mest almindelige barndom psykiske lidelser (diagnostiske og statistiske håndbog for psykiske forstyrrelser; DSM-5; American Psychiatric Association , 2013). Retningslinjer for større praksis for ADHD, såsom American Academy of Child og Adolescent Psychiatry (2007), har anbefalet intelligenstest til klinisk evaluering af børn med ADHD., Hovedårsagen til dette er, at så meget som 70% af børn med ADHD har comorbide læringsforstyrrelser (Mayes et al., 2000; Mayes og Calhoun, 2006), og viden om individets intellektuelle niveau kan lette en bedre forståelse af læringsforstyrrelser., Derudover, som den Changer Intelligence Scale for Children-Fjerde Udgave (WISC-IV; Changer, 2003) er den mest anvendte test af intelligens (Gresham og Witt, 1997), en omfattende forståelse af dens faktor struktur i børn med ADHD ville være værdifuldt, idet det kunne føre til en bedre forståelse og en mere gyldig information om de intellektuelle, kognitive og indlæringsevne af denne gruppe. Den nuværende undersøgelse undersøgte flere strukturelle modeller foreslået til IVISC-IV i en gruppe børn og unge (fremover benævnt børn) med ADHD.,
WISISC-IV måler intellektuelle evner hos børn fra 6 til 16 år. Det blev udviklet til at give et overordnet mål for generel kognitiv evne og også mål for intellektuel funktion i Verbal forståelse (VC), perceptuel ræsonnement (PR), arbejdshukommelse (.m) og behandlingshastighed (PS). VC -, PR-,MM-og PS-abonnementer giver scoringer for det verbale Forståelsesindeks (VCI), det perceptuelle Ræsonnementsindeks (PRI), Arbejdshukommelsesindekset (primi) og Behandlingshastighedsindekset (PSI)., Sammen giver VCI, PRI, primi og PSI det overordnede niveau af intelligens eller fuld skala i. (fsi.). Selvom den fulde version af IVISC-IV har 15 subtests, betragtes kun ti som kerne og bruges oftere, når man tester intelligens (echechsler, 2003). De centrale subtests for VC er ordforråd, ligheder og forståelse. De centrale subtests for PR er blok Design, Billede begreber og Matri.ræsonnement. De centrale subtests for WM er ciffer Span og Bogstav-Nummer sekventering, og de centrale subtests for PR kodning og Symbol søgning., De resterende fem subtests, der betegnes som supplerende subtests, er Information og ord ræsonnement (del af VC), billede færdiggørelse (del af PR), aritmetik (del AFMM), og annullering (del af PS).
Den faktor-struktur for de centrale subtests af WISC-IV er blevet undersøgt i en række studier, der involverer almindelige samfund og klinik for børn, herunder elever med indlæringsvanskeligheder (fx, Changer, 2003; Keith, 2005; Watkins et al., 2006; Sattler, 2008; Bodin et al., 2009; Watkins, 2010; Devena et al., 2013; Nakano and andatkins, 2013; alatkins et al.,, 2013; Canive and, 2014; Styck og 2016atkins, 2016). På tværs af disse undersøgelser er der rapporteret om støtte til en skrå firefaktormodel, en højere ordrefaktormodel og en bifaktormodel. Den skrå fire-faktor model har faktorer for VC, PR, andm, og PS, svarende til de abonnementer for VC, PR, .m, og PS. Den højere ordrefaktormodel har førsteordensfaktorer for VC, PR, .m og PS og en enkelt højere ordens generelle faktor., I denne model, den generelle faktor fanger de fælles afvigelser af alle førsteordens faktorer, og førsteordens faktorer fanger kovariansen på tværs af subtestene, der omfatter faktorerne. Bifaktormodellen er en ortogonal model med fem primære faktorer. I denne model belastes alle subtests på en generel faktor, og hver subtest belastes på sin egen specifikke faktor (VC, PR, .m eller PS)., Den generelle faktor, der fanger kovarians af alle subtests, og VC, PR, WM, og PS-specifikke faktorer fange de unikke kovarians af subtests i dem efter fjernelse af kovarians fanget af den generelle faktor. Således fanger de specifikke faktorer deres unikke varians. De skrå fire-faktor, den højere orden faktor, og bifactor modeller er vist i figur Figure11., Med undtagelse af den undersøgelse, som Nakano og Watkins (2013), andre undersøgelser, der har sammenlignet de skrå fire-faktor model, er den højere orden faktor model, og bifactor model har rapporteret om mere støtte til bifactor model end de fire-faktor, skrå model og den højere orden faktor model (Watkins, 2010; Devena et al., 2013; 2013atkins et al., 2013; Canive and, 2014; Styck og 2016atkins, 2016). Nakano og .atkins rapporterede mest støtte til den højere ordrefaktormodel, skønt den adskiller sig minimalt fra bifaktormodellen.,
For Bisc-IV-bifaktormodellen har en række tidligere undersøgelser rapporteret om den forklarede fælles varians (ECV; Reise et al., 2013a), såvel som omega hierarkiske (WHH) og omega subtests (McDonalds; McDonald, 1999; Mcdonaldinbarg et al., 2005) af henholdsvis de generelle og specifikke faktorer. ECV for en generel faktor er den fælles varians forklaret af den generelle faktor divideret med den samlede fælles varians. ECV for en bestemt faktor er den fælles varians forklaret af den specifikke faktor divideret med den samlede fælles varians., ECV af den generelle faktor vil være høj, når der er lidt fælles varians ud over den generelle faktor. Således indikerer høje værdier tilstedeværelsen af en generel dimension i bifaktormodellen (Reise et al., 2013a). WHH-værdien af den generelle faktor kan fortolkes som et modelbaseret indeks for den interne konsistens pålidelighed af den samlede skala (Brunner et al., 2012). WHH kan også fortolkes som en estimator for, hvor meget varians i summerede (standardiserede) scoringer kan tilskrives den enkelte generelle faktor (McDonald, 1999)., Det opnås ved at dividere mængden af varians forklaret af den generelle faktor i en skala med den samlede mængde varians forklaret af alle elementerne i skalaen. Ws-værdien af en bestemt faktor kan fortolkes som et modelbaseret indeks for den interne konsistenspålidelighed af den specifikke skala, og en estimator for, hvor meget varians i summerede (standardiserede) scoringer kan tilskrives den specifikke faktor (McDonald, 1999; Brunner et al., 2012)., Det beregnes ved at dividere mængden af varians forklaret af den specifikke faktor med den samlede mængde varians forklaret af alle elementerne i skalaen. Værdierne for WHH og andS spænder fra 0 til 1, med 0 indikerer ingen pålidelighed og 1 afspejler perfekt pålidelighed. Ifølge Reise et al. (2013a), WHH og 0s værdier på mindst 0,75 foretrækkes til meningsfuld fortolkning af en skala.,
Eksisterende data for WISC-IV bifactor model viser, at ECV af den generelle faktor på mellem 2 og 3 gange mere end den samlede ECV af de særlige faktorer, med stort set alle varians i subtests bliver forklaret meget mere af den generelle faktor, end de specifikke faktorer (Watkins, 2010; Devena et al., 2013; 2013atkins et al., 2013; Canive and, 2014; Styck og 2016atkins, 2016). Også, wh af den generelle faktor, er meget højere (lige fra 0.67 til 0.87) end ws værdier af de fire specifikke faktorer (lige fra 0,10 til 0.53; Watkins, 2010; Devena et al.,, 2013; 2013atkins et al., 2013; Canive., 2014; Styck og andatkins, 2016), der tilføjer support til udnyttelsen af FSI. – score over indeksscorerne. Disse fund indikerer støtte til tilstedeværelsen af en generel dimension i bifaktormodellen, og at kun den generelle faktor kan fortolkes meningsfuldt. De støtter udnyttelsen af den samlede score, og ikke i indeks score af WISC-IV.
For de centrale subtests, mindst tre studier har undersøgt faktor struktur af WISC-IV for grupper af børn med ADHD (Yang et al., 2013; Styck and andatkins, 2014; Thaler et al., 2015)., På tværs af alle disse undersøgelser blev der fundet støtte til den fire-faktor skrå model. Der blev også fundet støtte til den højere ordrefaktormodel (Styck og andatkins, 2014). Selvom undersøgelsen af Styck og andatkins (2014) rapporterede god pasform til bifaktormodellen, blev denne model afvist, da den havde en uacceptabel løsning (en restvarians var negativ). Undersøgelsen af Thaler et al. (2015) fandt støtte for to fem-faktor skrå modeller, baseret på Cattell–Horn–Carroll (CHC) teoretiske model af intelligens (McGrew, 2005)., En af disse modeller, kaldes her oblique fem-faktor SS model, består faktorer for krystalliseret intelligens (Gc; der omfatter Ordforråd, Ligheder, og Forståelse), væske argumentation (Kæreste; bestående Billede Begreber og Matrix Argumentation), visuel forarbejdning (Gv; bestående af Blok Design og Symbol-Søgning), på kort sigt hukommelse (Gsm; bestående af Digit Span og Bogstav–Tal-Sekventering), og PS (Gs; bestående Symbol Søg og Kodning). Denne model er også vist i Figur11., Den anden model kaldes her den skrå fem-faktor MR-SS model, adskilte sig fra de øvrige skrå fem-faktor SS model ved at angive Matrix Argumentation subtest til cross-belastning på Gv faktor. Som det vil være tydeligt, begge CHC-modellerne ligner ikke de obliisc-IV-inspirerede skrå fire-faktor, højere orden eller bifaktormodeller.
med hensyn til sammenligning af modeller fandt Styck and .atkins (2014) bedre egnet til den højere ordrefaktormodel end den skrå firefaktormodel. Thaler et al. (2015) fandt, at begge deres femfaktormodeller havde bedre pasform end den skrå firefaktormodel., Selv om den skrå fem-faktor MR-SS model viste marginalt bedre egnet end den skrå fem-faktor SS model, den skrå fem-faktor SS model blev vedtaget som en bedre model som Matrix Argumentation subtest i skrå fem-faktor MR-SS model der ikke er nogen belastning i høj grad om Gv faktor. For højere ordens-faktor model testet af Styck og Watkins (2014), og for den højere orden skrå fem-faktor SS model rapporteret af Thaler et al., (2015) den generelle faktor forklarede mere varians end de specifikke faktorer for alle subtests, med undtagelse af kodning og Symbol søgning (begge PS subtests). I undersøgelsen af Styck and .atkins (2014) havde både kodning og Symbol søgning omtrent lige på de generelle og PS specifikke faktorer. I undersøgelsen af Thaler et al. (2015) Symbol søgning indlæst ligeligt på den generelle faktor og sin egen (PS) specifikke faktor, og kodning havde en højere belastning på sin egen specifikke faktor (PS). For de højere faktor modeller i og Styck og andatkins (2014) og Thaler et al., (2015) undersøgelser, ECV af den generelle faktor var omkring det dobbelte af den samlede ECV af alle de specifikke faktorer sammen. Styck og Watkins (2014) rapporterede også, at wh værdi for den generelle faktor (0.78) var meget højere end ws værdier af de fire specifikke faktorer (lige fra 0.09 til 0,34), hvilket tyder på, at kun de FSIQ havde lyd pålidelighed.,
alt i alt, derfor er de fleste af resultaterne for faktor struktur af kernen WISC-IV subtests i børn med ADHD er sammenlignelige med de eksisterende data, der omfatter det generelle samfund og klinik for børn, herunder elever med indlæringsvanskeligheder (Watkins et al., 2006, 2013; Watkins, 2010; Devena et al., 2013; Nakano and andatkins, 2013; Canive., 2014; Styck and andatkins, 2016). På tværs af disse undersøgelser er der rapporteret om støtte til den skrå firefaktormodel og den højere ordrefaktormodel., Den CHC baseret fem-faktor, skrå model og en højere orden, struktur af denne model er også blevet støttet, når alle 15 (kerne-og supplerende) WISC-IV subtests blev undersøgt (Keith et al., 2006; Chen et al., 2009; Golay et al. , 2013).
på Trods af ligheder i resultaterne på, at børn med ADHD og børn fra det generelle samfund og klinikker, vi ønsker at argumentere for, at der er begrænsninger i de eksisterende resultater på faktor struktur af WISC-IV i børn med ADHD. For det første har der kun været tre undersøgelser, der involverede børn med ADHD (Yang et al.,, 2013; Styck and andatkins, 2014; Thaler et al., 2015), med kun en undersøgelse, der rapporterer om anvendeligheden af den højere ordrefaktormodel (Styck og andatkins, 2014) og den skrå femfaktormodel (Thaler et al., 2015). For det andet fandt undersøgelsen af Styck and .atkins (2014), den eneste undersøgelse, der har testet anvendeligheden af bifaktormodellen til børn med ADHD, ikke en acceptabel løsning for denne model. Da denne undersøgelse anvendte en lille prøve (N = 233), er det muligt, at med 30 parametre, der skal estimeres i bifaktormodellen, kunne dette have bidraget til den afviselige løsning., I betragtning af den generelt robuste understøttelse af bifaktormodellen i prøver fra samfund og klinik, det er tænkeligt, at med større prøvestørrelser, bifaktormodellen vil også blive understøttet for børn med ADHD. For det tredje, som påpeget af Styck and andatkins (2014), er relevansen af alle deres resultater for børn med ADHD usikker., Dette skyldes, at da tværfaglige evalueringshold i skolen var ansvarlige for at træffe beslutninger om støtteberettigelse, der måtte overholde personer med handicap Education Improvement Act (2004), kan de børn, der identificeres som at have ADHD, ikke sammenlignes med prøver af børn med ADHD diagnosticeret i konventionelle børns mentale sundhedsklinikker., Fjerde, som studiet af Styck og Watkins (2014) mente ikke, at den medicin status for deltagere, kan det ikke udelukkes, at deres resultater ikke blev forvirret af medicin effekter, som på lang sigt medicin, har vist sig at påvirke IQ hos børn med ADHD (Gillberg et al., 1997; Gimpel et al., 2005).,
en Anden begrænsning er, at selv om IQ har konsekvent vist sig at være forbundet med akademiske præstationer (Naglieri og Bornstein, 2003), der på nuværende tidspunkt foreligger der ingen studier har undersøgt den prædiktive validitet af de faktorer, der i bifactor model af WISC-IV, modelleres i form af en generel faktor, og for de særlige faktorer, der repræsenterer indekset skalaer (VC, PR, WM, og PS)., Ved hjælp af multipel regressionsanalyse af observerede scores for WISC-IV FSIQ, VCI, PRI, WMI, og PSI, undersøgelser, der involverer ikke-ADHD prøver har rapporteret, at indekset scorer kun giver lidt ekstra varians i forudsigelsen af akademiske resultater, herunder læsning og regning (Glutting et al., 2006; Canive 2006 et al., 2014). En nylig undersøgelse (Beaujean et al .,, 2014), også med en ikke-ADHD prøve at modelleret alle kerne-og supplerende tests af WISC-IV i form af Cattell–Horn–Carroll (CHC; Schneider og McGrew, 2012) teori om kognitive evner viste, at den generelle faktor, der havde en stærkere association med læsning og regning end nogen af de specifikke faktorer. Lignende resultater er rapporteret for Changer Adult Intelligence Scale – Fjerde Udgave (WAIS-IV; Changer, 2008) bifactor model med en generel faktor, og de faktorer, for indekset skalaer (Kranzler et al., 2015)., Baseret på disse fund kan det spekuleres i, at den generelle intelligensfaktor også ville være forbundet med de akademiske evner hos børn med ADHD. Men som lav læseevne (Gathercole et al., 2006; Allo 2006ay et al., 2009; Alloway og Alloway, 2010) og aritmetiske evne (Bull og Scerif, 2001; Swanson og Sachse-Lee, 2001) er blevet knyttet til dårlig WM, og som WM fejl har været stærkt forbundet med ADHD (Martinussen et al., 2005; 2005illcutt et al., 2005; 2005alsha 2005 et al.,, 2010), kan den specificm-specifikke faktor (som fanger abilitym-evne, der er uafhængig af den generelle intelligens), også være forbundet med akademiske præstationsevner.
i Betragtning af de eksisterende begrænsninger, det første mål for den aktuelle undersøgelse var at undersøge faktor struktur af de ti WISC–IV core subtests i en stor gruppe (N = 812) af børn med ADHD, alle direkte diagnosticeret med DSM-IV-TR (American Psychiatric Association , 2000) ADHD-kriterierne., Da de var nye inden for mental sundhedstjenester, ingen af dem havde ikke været på medicin, og var ikke på medicin på noget tidspunkt før eller under test. I overensstemmelse med tidligere understøttede modeller undersøgte undersøgelsen følgende modeller: en skrå firefaktormodel i første orden, den CHC-baserede skrå femfaktor SS-model, højere orden og bifaktormodeller baseret på firefaktormodellen og en højere ordrefaktormodel baseret på femfaktormodellen., Da krydsfaktormønsterkoefficienter ikke er tilladt i en CFA-bifaktormodel (da den forvrider parameterestimater; Rios og Wellsells, 2014), blev den tilsvarende bifaktorversion af femfaktormodellen SS ikke testet, da den har krydsbelastninger til Symbolsøgning., For at mindske forvirring, den skrå fire-faktor og fem-faktor modeller, der vil blive henvist til som WISC/fire-faktor model og CHC/fem-faktor-modellen, henholdsvis; den højere orden faktor modeller med fire og fem primære faktorer, der vil blive henvist til som WISC/højere orden faktor model og CHC/højere orden faktor model, henholdsvis; og bifactor modeller med fire specifikke faktorer, der vil blive henvist til som WISC/bifactor model. De fem testede modeller er afbildet i Figur 11., Det andet formål med undersøgelsen var at undersøge ECV, og modelbaseret intern konsistens pålidelighed for faktorer i den valgte model som den optimale model. Det tredje mål var at undersøge, hvordan de generelle og specifikke faktorer i bifactor model forudsagde læsning og regning. Baseret på tidligere fund, der involverede børn med ADHD og børn generelt, forudsagde vi støtte til alle de testede modeller, hvor modelisc/bifactor-modellen var den bedste passende model., For denne model forventede vi, at med undtagelse af kodning og Symbolsøgning ville faktormønsterkoefficienterne for subtestene på de generelle faktorer være relativt højere end på de specifikke faktorer. Vi forventede også, at ECV-og WHH-værdierne for den generelle faktor ville være relativt højere end ECV-og .s-værdierne for de specifikke faktorer. Vi forventede også den generelle faktor og de specificm-specifikke faktorer for at forudsige læse-og aritmetiske evner.