Einführung

Aufmerksamkeitsdefizit – / Hyperaktivitätsstörung (ADHS) ist eine der häufigsten psychischen Störungen im Kindesalter (diagnostisches und statistisches Handbuch für psychische Störungen; DSM-5; American Psychiatric Association , 2013). Wichtige Praxisrichtlinien für ADHS, wie die der American Academy of Child und der Jugendpsychiatrie (2007), haben Intelligenztests für die klinische Bewertung von Kindern mit ADHS empfohlen., Der Hauptgrund dafür ist, dass bis zu 70% der Kinder mit ADHS an komorbiden Lernstörungen leiden (Mayes et al., 2000; Mayes und Calhoun, 2006), und Wissen auf der intellektuellen Ebene eines Individuums kann ein besseres Verständnis von Lernstörungen erleichtern., Da die Wechsler Intelligence Scale for Children-Fourth Edition (WISC-IV; Wechsler, 2003) der am häufigsten verwendete Intelligenztest ist (Gresham und Witt, 1997), wäre ein umfassendes Verständnis der Faktorstruktur bei Kindern mit ADHS wertvoll, da dies zu einem besseren Verständnis und valideren Informationen über die intellektuellen, kognitiven und Lernfähigkeiten dieser Gruppe führen könnte. Die aktuelle Studie untersuchte mehrere Strukturmodelle, die für WISC-IV in einer Gruppe von Kindern und Jugendlichen (von nun an als Kinder bezeichnet) mit ADHS vorgeschlagen wurden.,

Der WISC-IV misst die intellektuellen Fähigkeiten von Kindern von 6 bis 16 Jahren. Es wurde entwickelt, um eine Allgemeine Maßnahme von allgemeiner kognitiver Fähigkeit und auch die Maßnahmen der geistigen Funktion in Verbal Comprehension (VC), Wahrnehmungs-Argumentation (PR), Working Memory (WM) und Verarbeitungsgeschwindigkeit (PS). Die Subskalen VC, PR, WM und PS liefern Werte für den Verbal Comprehension Index (VCI), den Perceptual Reasoning Index (PRI), den Working Memory Index (WMI) und den Processing Speed Index (PSI)., Zusammen bieten die VCI, PRI, WMI und PSI das Gesamtniveau der Intelligenz oder Full Scale IQ (FSIQ). Obwohl die Vollversion des WISC-IV 15 Untertests enthält, werden nur zehn als Kern betrachtet und häufiger beim Testen von Intelligenz verwendet (Wechsler, 2003). Die Kernuntertests für VC sind Vokabular, Ähnlichkeiten und Verständnis. Die Kernuntertests für PR sind Blockdesign, Bildkonzepte und Matrix-Argumentation. Die Kern-Subtests für WM sind Digit Span und Letter-Number Sequencing, und die Kern-Subtests für PR sind Codierung und Symbolsuche., Die restlichen fünf Subtests, die als ergänzende Subtests bezeichnet werden, sind Information und Wortbegründung (Teil von VC), Bildvervollständigung (Teil von PR), Arithmetik (Teil von WM) und Annullierung (Teil von PS).

Der Faktor Struktur für den core untertests der WISC-IV wurden untersucht in einer Reihe von Studien mit Allgemeinen Gemeinde-und Klinik-bezeichnet Kinder, einschließlich derjenigen, die mit Lernstörungen (z.B., Wechsler, 2003; Keith, 2005; Watkins et al., 2006; Sattler, 2008; Bodin et al., 2009; Watkins, 2010; Devena et al., 2013; Nakano und Watkins, 2013; Watkins et al.,, 2013; Canivez, 2014; Styck und Watkins, 2016). In diesen Studien wurde über Unterstützung für ein schräges Vier-Faktor-Modell, ein Faktormodell höherer Ordnung und ein Bifaktormodell berichtet. Das schräge Vier-Faktor-Modell weist Faktoren für VC, PR, WM und PS auf, die den Subskalen für VC, PR, WM und PS entsprechen. Das Faktormodell höherer Ordnung weist Faktoren erster Ordnung für VC, PR, WM und PS sowie einen allgemeinen Faktor höherer Ordnung auf., In diesem Modell erfasst der allgemeine Faktor die gemeinsamen Varianzen aller Faktoren erster Ordnung, und die Faktoren erster Ordnung erfassen die Kovarianz über die Subtests, die die Faktoren umfassen. Das Bifaktormodell ist ein orthogonales Modell mit fünf primären Faktoren. In diesem Modell werden alle Untertests mit einem allgemeinen Faktor und jeder Untertest mit einem eigenen spezifischen Faktor (VC, PR, WM oder PS) belastet., Der allgemeine Faktor erfasst die Kovarianz aller Subtests, und die VC -, PR -, WM-und PS-spezifischen Faktoren erfassen die eindeutige Kovarianz der Subtests in ihnen, nachdem die vom allgemeinen Faktor erfasste Kovarianz entfernt wurde. So erfassen die spezifischen Faktoren ihre einzigartige Varianz. Der schräge Vierfaktor, der Faktor höherer Ordnung und die Bifaktormodelle sind in Abbildung Figure11 dargestellt., Mit Ausnahme der Studie von Nakano und Watkins (2013) haben die anderen Studien, die das schräge Vier-Faktor-Modell, das Faktormodell höherer Ordnung und das Bifaktormodell verglichen haben, mehr Unterstützung für das Bifaktormodell als das Vier-Faktor-schräge Modell und das Faktormodell höherer Ordnung gemeldet (Watkins, 2010; Devena et al., 2013; Watkins et al., 2013; Canivez, 2014; Styck und Watkins, 2016). Nakano und Watkins berichteten von der meisten Unterstützung für das Faktormodell höherer Ordnung, obwohl es sich minimal vom Bifaktormodell unterschied.,

Für das WISC-IV-Bifaktormodell haben eine Reihe früherer Studien über die erklärte gemeinsame Varianz berichtet (ECV; Reise et al., 2013a) sowie die omega-hierarchische (wh) und omega-subtests (ws; McDonald, 1999; Zinbarg et al., 2005) der allgemeinen bzw. spezifischen Faktoren. Die ECV eines allgemeinen Faktors ist die gemeinsame Varianz, die durch den allgemeinen Faktor dividiert durch die allgemeine Gesamtvarianz erklärt wird. Die ECV eines bestimmten Faktors ist die gemeinsame Varianz, die durch den spezifischen Faktor dividiert durch die gesamte gemeinsame Varianz erklärt wird., Die ECV des allgemeinen Faktors wird hoch sein, wenn es wenig gemeinsame Varianz über die des allgemeinen Faktors gibt. So zeigen hohe Werte das Vorhandensein einer allgemeinen Dimension im Bifaktormodell an (Reise et al., 2013a). Der wh-Wert des allgemeinen Faktors kann als modellbasierter Index der internen Konsistenzzuverlässigkeit der Gesamtskala interpretiert werden (Brunner et al., 2012). Das wh kann auch interpretiert werden als eine schätzfunktion, wie viel Varianz in der summiert werden (standardisiert) erzielt zugeschrieben werden können, die einzigen Allgemeinen Faktor (McDonald, 1999)., Es wird erhalten, indem der Varianzbetrag, der durch den allgemeinen Faktor in einer Skala erklärt wird, durch den Gesamtbetrag der Varianz dividiert wird, der durch alle Elemente in der Skala erklärt wird. Der ws-Wert eines bestimmten Faktors kann als modellbasierter Index der internen Konsistenzzuverlässigkeit der spezifischen Skala und als Schätzer dafür interpretiert werden, wie viel Varianz in summierten (standardisierten) Scores dem spezifischen Faktor zugeordnet werden kann (McDonald, 1999; Brunner et al., 2012)., Es wird berechnet, indem der Varianzbetrag, der durch den spezifischen Faktor erklärt wird, durch den Gesamtbetrag der Varianz dividiert wird, der durch alle Elemente in der Skala erklärt wird. Die Werte für wh und ws reichen von 0 bis 1, wobei 0 keine Zuverlässigkeit anzeigt und 1 perfekte Zuverlässigkeit widerspiegelt. Nach Reise et al. (2013a), wh-und ws-Werte von mindestens 0,75 werden für eine sinnvolle Interpretation einer Skala bevorzugt.,

Vorhandene Daten für das WISC-IV-Bifaktormodell zeigen, dass die ECV des allgemeinen Faktors zwischen 2 und 3 mal höher ist als die kombinierte ECV der spezifischen Faktoren, wobei praktisch alle Abweichungen in den Subtests viel mehr durch den allgemeinen Faktor als durch die jeweiligen spezifischen Faktoren erklärt werden (Watkins, 2010; Devena et al., 2013; Watkins et al., 2013; Canivez, 2014; Styck und Watkins, 2016). Außerdem ist die wh des allgemeinen Faktors viel höher (von 0,67 bis 0,87) als die ws-Werte der vier spezifischen Faktoren (von 0,10 bis 0,53; Watkins, 2010; Devena et al.,, 2013; Watkins et al., 2013; Canivez, 2014; Styck und Watkins, 2016), Unterstützung für die Nutzung des FSIQ-Scores gegenüber den Indexwerten. Diese Ergebnisse zeigen Unterstützung für das Vorhandensein einer Allgemeinen dimension in der bifactor-Modell, und nur der Allgemeine Faktor können sinnvoll interpretiert werden. Sie unterstützen die Verwendung der Gesamtpunktzahl und nicht die Indexwerte des WISC-IV.

Für die Kernsubtests haben mindestens drei Studien die Faktorstruktur des WISC-IV für Gruppen von Kindern mit ADHS untersucht (Yang et al., 2013; Styck und Watkins, 2014; Thaler et al., 2015)., In all diesen Studien wurde Unterstützung für das Vier-Faktor-schräge Modell gefunden. Unterstützung wurde auch für das Faktormodell höherer Ordnung gefunden (Styck und Watkins, 2014). Obwohl die Studie von Styck und Watkins (2014) eine gute Passform für das Bifaktormodell ergab, wurde dieses Modell abgelehnt, da es eine unzulässige Lösung aufwies (eine Restvarianz war negativ). Die Studie von Thaler et al. (2015) fand Unterstützung für zwei Fünf-Faktor–schräge Modelle, basierend auf dem theoretischen Modell der Intelligenz von Cattell–Horn-Carroll (CHC) (McGrew, 2005)., Eines dieser Modelle, hier das schräge Fünf-Faktor-SS-Modell genannt, umfasst Faktoren für kristallisierte Intelligenz (Gc; bestehend aus Vokabular, Ähnlichkeiten und Verständnis), flüssiges Denken (Gf; bestehend aus Bildkonzepten und Matrixdenken), visuelle Verarbeitung (Gv; bestehend aus Blockdesign und Symbolsuche), Kurzzeitgedächtnis (Gsm; bestehend aus Ziffernspanne und Buchstabenzahlensequenzierung) und PS (Gs; bestehend aus Symbolsuche und Codierung). Dieses Modell ist auch in Abbildung Figure11., Das zweite Modell, hier das schräge Fünf-Faktor-MR-SS-Modell genannt, unterschied sich von dem anderen schrägen Fünf-Faktor-SS-Modell, indem es den Matrixgrund-Subtest spezifizierte, um auf den Gv-Faktor zu laden. Wie sich zeigen wird, ähneln beide CHC-Modelle nicht den von WISC-IV inspirierten schrägen Vier-Faktor -, höherwertigen oder Bifaktormodellen.

Im Vergleich der Modelle fanden Styck und Watkins (2014) eine bessere Passform für das Faktormodell höherer Ordnung als das schräge Vierfaktormodell. Thaler et al. (2015) stellte fest, dass beide Fünf-Faktor-Modelle besser passen als das schräge Vier-Faktor-Modell., Obwohl das schräge Fünf-Faktor-MR-SS-Modell eine geringfügig bessere Passform als das schräge Fünf-Faktor-SS-Modell zeigte, wurde das schräge Fünf-Faktor-SS-Modell als das bessere Modell angenommen, da der Matrix-Argumentations-Subtest im schrägen Fünf-Faktor-MR-SS-Modell den Gv-Faktor nicht signifikant belastete. Für das von Styck und Watkins (2014) getestete Faktormodell höherer Ordnung und für das von Thaler et al., (2015) der Allgemeine Faktor erklärt mehr Varianz als die spezifischen Faktoren, die für alle subtests, mit Ausnahme von Codierung und Symbol-Suche (PS subtests). In der Studie von Styck und Watkins (2014), beide Kodierung und Symbol-Suche hatte etwa gleich auf die Allgemeine und PS-spezifischen Faktoren. In der Studie von Thaler et al. (2015) Die Symbolsuche wurde gleichermaßen für den allgemeinen Faktor und seinen eigenen (PS) spezifischen Faktor geladen, und die Codierung hatte eine höhere Belastung für seinen eigenen spezifischen Faktor (PS). Für die höheren Faktormodelle in den und Styck und Watkins (2014) und Thaler et al., (2015) Studien, die ECV des allgemeinen Faktors war etwa doppelt so hoch wie die Gesamt-ECV aller spezifischen Faktoren zusammen. Styck und Watkins (2014) berichteten auch, dass der wh-Wert für den allgemeinen Faktor (0,78) viel höher war als die ws-Werte der vier spezifischen Faktoren (im Bereich von 0,09 bis 0,34), was darauf hindeutet, dass nur der FSIQ solide Zuverlässigkeit hatte.,

Insgesamt sind daher die meisten Ergebnisse für die Faktorstruktur der WISC-IV-Kernsubtests bei Kindern mit ADHS mit vorhandenen Daten vergleichbar, an denen die allgemeine Gemeinschaft und an Kliniken überwiesene Kinder beteiligt sind, einschließlich derjenigen mit Lernstörungen (Watkins et al., 2006, 2013; Watkins, 2010; Devena et al., 2013; Nakano und Watkins, 2013; Canivez, 2014; Styck und Watkins, 2016). In diesen Studien wurde über Unterstützung für das schräge Vier-Faktor-Modell und das Faktormodell höherer Ordnung berichtet., Das CHC-basierte Fünf-Faktor-Schrägmodell und eine Struktur höherer Ordnung dieses Modells wurden ebenfalls unterstützt, als alle 15 (Kern-und Ergänzungs -) WISC-IV-Subtests untersucht wurden (Keith et al., 2006; Chen et al., 2009; Golay et al., 2013).

Trotz der Ähnlichkeiten in den Befunden zu Kindern mit ADHS und Kindern aus der allgemeinen Gemeinschaft und Kliniken möchten wir argumentieren, dass die vorhandenen Befunde zur Faktorstruktur des WISC-IV bei Kindern mit ADHS begrenzt sind. Erstens gab es nur drei Studien mit Kindern mit ADHS (Yang et al.,, 2013; Styck und Watkins, 2014; Thaler et al., 2015), wobei nur eine Studie über die Anwendbarkeit des Faktormodells höherer Ordnung berichtet (Styck und Watkins, 2014) und das schräge Fünf-Faktor-Modell (Thaler et al., 2015). Zweitens fand die Studie von Styck und Watkins (2014), der einzigen Studie, die die Anwendbarkeit des Bifaktormodells für Kinder mit ADHS getestet hat, keine zulässige Lösung für dieses Modell. Da in dieser Studie eine kleine Stichprobe (N = 233) verwendet wurde, ist es möglich, dass dies mit 30 im Bifaktormodell zu schätzenden Parametern zu der unzulässigen Lösung beigetragen haben könnte., Angesichts der allgemein robusten Unterstützung des Bifaktormodells in Community-und klinikbezogenen Proben ist es denkbar, dass bei größeren Stichprobengrößen das Bifaktormodell auch für Kinder mit ADHS unterstützt wird. Drittens ist, wie von Styck und Watkins (2014) hervorgehoben, die Relevanz aller ihrer Ergebnisse für Kinder mit ADHS ungewiss., Dies liegt daran, dass die als ADHS identifizierten Kinder möglicherweise nicht mit Stichproben von Kindern mit ADHS vergleichbar sind, die in herkömmlichen Kinderkliniken diagnostiziert wurden, da multidisziplinäre Bewertungsteams für die Zulassungsentscheidung verantwortlich waren, die sich an das Bildungsverbesserungsgesetz für Personen mit Behinderungen (2004) halten mussten., Viertens, da die Studie von Styck und Watkins (2014) den Medikamentenstatus der Teilnehmer nicht berücksichtigte, kann nicht ausgeschlossen werden, dass ihre Ergebnisse nicht durch medikamentöse Wirkungen verwechselt wurden, da die langfristige Einnahme von Medikamenten nachweislich den IQ von Kindern mit ADHS beeinflusst (Gillberg et al., 1997; Gimpel et al., 2005).,

Eine weitere Einschränkung besteht darin, dass der IQ zwar konsequent mit akademischen Leistungen in Verbindung gebracht wurde (Naglieri und Bornstein, 2003), derzeit jedoch keine Studie die prädiktive Validität der Faktoren im Bifaktormodell des WISC-IV untersucht hat, modelliert in Bezug auf einen allgemeinen Faktor und die spezifischen Faktoren, die die Indexskalen darstellen (VC, PR, WM und PS)., Unter Verwendung der multiplen Regressionsanalyse der beobachteten Werte für WISC-IV FSIQ, VCI, PRI, WMI und PSI haben Studien mit Nicht-ADHS-Proben berichtet, dass die Indexwerte nur geringfügig zusätzliche Abweichungen in der Vorhersage von akademischen Leistungswerten, einschließlich Lesen und Rechnen (Glutting et al., 2006; Canivez et al., 2014). Eine aktuelle Studie (Beaujean et al.,, 2014), auch mit einer Nicht-ADHS-Stichprobe, die alle Kern–und Ergänzungstests von WISC–IV in Bezug auf die Cattell-Horn-Carroll-Theorie (CHC; Schneider und McGrew, 2012) modellierte kognitive Fähigkeiten zeigten, dass der allgemeine Faktor eine stärkere Assoziation mit Lesen und Rechnen hatte als jeder der spezifischen Faktoren. Ähnliche Ergebnisse wurden für das Wechsler Adult Intelligence Scale – Fourth Edition (WAIS-IV; Wechsler, 2008) Bifaktormodell mit einem allgemeinen Faktor und den Faktoren für die Indexskalen berichtet (Kranzler et al., 2015)., Basierend auf diesen Ergebnissen kann spekuliert werden, dass der allgemeine Intelligenzfaktor auch mit den akademischen Fähigkeiten von Kindern mit ADHS zusammenhängt. Allerdings als geringe Lesefähigkeit (Gathercole et al., 2006; Alloway et al., 2009; Alloway und Alloway, 2010) und arithmetische Fähigkeiten (Bull und Scerif, 2001; Swanson und Sachse-Lee, 2001) wurden mit schlechter WM in Verbindung gebracht, und als WM-Defekte wurden stark mit ADHS in Verbindung gebracht (Martinussen et al., 2005; Willcutt et al., 2005; Walshaw et al.,, 2010) kann der WM-spezifische Faktor (der WM-Fähigkeiten erfasst, die unabhängig von der allgemeinen Intelligenz sind) auch mit akademischen Leistungsfähigkeiten in Verbindung gebracht werden.

Angesichts bestehender Einschränkungen bestand das erste Ziel der aktuellen Studie darin, die Faktorstruktur der zehn WISC–IV-Kernsubtests in einer großen Gruppe (N = 812) von Kindern mit ADHS zu untersuchen , die alle direkt diagnostiziert wurden mit DSM-IV TR (American Psychiatric Association, 2000) ADHS-Kriterien., Da sie neu bei Mental Health Services waren, war keiner von ihnen nicht medikamentös behandelt worden und hatte zu keinem Zeitpunkt vor oder während des Tests Medikamente eingenommen. In Übereinstimmung mit zuvor unterstützten Modellen untersuchte die Studie die folgenden Modelle: ein schräges Vier-Faktor-Modell erster Ordnung, das CHC-basierte schräge Fünf-Faktor-SS-Modell, Modelle höherer Ordnung und Bifaktormodelle basierend auf dem Vier-Faktor-Modell und ein Faktormodell höherer Ordnung basierend auf dem Fünf-Faktor-SS-Modell., Da Cross-Factor-Musterkoeffizienten in einem CFA-Bifaktormodell nicht zulässig sind (da sie Parameterschätzungen verzerren; Rios und Wells, 2014), wurde die äquivalente Bifaktorversion des Fünf-Faktor-SS-Modells nicht getestet, da es Kreuzbelastungen für die Symbolsuche aufweist., Um Verwirrung zu reduzieren, werden die schrägen Vier-Faktor-und Fünf-Faktor-Modelle als WISC/Vier-Faktor-Modell bzw. als CHC/Fünf-Faktor-Modell bezeichnet; die Faktormodelle höherer Ordnung mit vier und fünf primären Faktoren werden als WISC/Faktormodell höherer Ordnung bzw. als CHC/Faktormodell höherer Ordnung bezeichnet; und die Bifaktormodelle mit vier spezifischen Faktoren werden als WISC/Bifaktormodell bezeichnet. Die fünf getesteten Modelle sind in Abbildung Figure11 dargestellt., Das zweite Ziel der Studie war die Untersuchung der ECV-und Modell-basierten internen Konsistenz Zuverlässigkeit für Faktoren, die im Modell so gewählt, dass das optimale Modell. Das Dritte Ziel war es, zu untersuchen, wie die Allgemeine und spezifische Faktoren in der bifactor Modell vorhergesagt Lesen und rechnen. Basierend auf früheren Erkenntnissen, an denen Kinder mit ADHS und Kinder im Allgemeinen beteiligt waren, prognostizierten wir Unterstützung für alle getesteten Modelle, wobei das WISC / Bifactor-Modell das am besten geeignete Modell war., Für dieses Modell erwarteten wir, dass mit Ausnahme der Codierung und der Symbolsuche die Faktormusterkoeffizienten der Teiltests für die allgemeinen Faktoren relativ höher wären als für die spezifischen Faktoren. Wir erwarteten auch, dass die ECV-und wh-Werte für den allgemeinen Faktor relativ höher sein würden als die ECV-und ws-Werte für die spezifischen Faktoren. Wir erwarteten auch den allgemeinen Faktor und die WM-spezifischen Faktoren, um Lese-und Rechenfähigkeiten vorherzusagen.