Introduzione

da deficit di Attenzione/iperattività (ADHD) è uno dei più infantili più comuni disturbi psicologici (manuale diagnostico e statistico dei disturbi mentali, DSM-5; American Psychiatric Association , 2013). Le principali linee guida pratiche per l’ADHD, come quella dell’American Academy of Child e Adolescent Psychiatry (2007), hanno raccomandato test di intelligenza per la valutazione clinica dei bambini con ADHD., La ragione principale di questo è che fino al 70% dei bambini con ADHD hanno disturbi di apprendimento comorbidi (Mayes et al., 2000; Mayes e Calhoun, 2006), e la conoscenza a livello intellettuale di un individuo può facilitare una migliore comprensione dei disturbi dell’apprendimento., Inoltre, poiché la Scala di intelligenza Wechsler per bambini-Quarta edizione (WISC-IV; Wechsler, 2003) è il test di intelligenza più usato (Gresham e Witt, 1997), una comprensione completa della sua struttura fattoriale nei bambini con ADHD sarebbe preziosa in quanto potrebbe portare a una migliore comprensione e informazioni più valide sulle capacità intellettuali, cognitive e di apprendimento di questo gruppo. L’attuale studio ha esaminato diversi modelli strutturali proposti per WISC-IV in un gruppo di bambini e adolescenti (d’ora in poi indicati come bambini) con ADHD.,

Il WISC-IV misura la capacità intellettuale dei bambini dai 6 ai 16 anni. È stato sviluppato per fornire una misura generale della capacità cognitiva generale e anche misure di funzionamento intellettuale nella comprensione verbale (VC), nel ragionamento percettivo (PR), nella memoria di lavoro (WM) e nella velocità di elaborazione (PS). Le sottoscale VC, PR, WM e PS forniscono punteggi per l’indice di comprensione verbale (VCI), l’indice di ragionamento percettivo (PRI), l’indice di memoria di lavoro (WMI) e l’indice di velocità di elaborazione (PSI), rispettivamente., Insieme, il VCI, PRI, WMI, e PSI forniscono il livello complessivo di intelligenza, o Fondo Scala IQ (FSIQ). Sebbene la versione completa del WISC-IV abbia 15 sottotest, solo dieci sono considerati core e utilizzati più spesso durante il test dell’intelligenza (Wechsler, 2003). I sottotest principali per VC sono vocabolario, somiglianze e comprensione. I sottotest principali per PR sono il design a blocchi, i concetti di immagine e il ragionamento a matrice. I sottotest principali per WM sono l’intervallo di cifre e il sequenziamento del numero di lettere e i sottotest principali per PR sono la codifica e la ricerca di simboli., I restanti cinque subtest, che sono indicati come subtest supplementari, sono Informazioni e Ragionamento di parole (parte di VC), Completamento dell’immagine (parte di PR), Aritmetica (parte di WM) e Annullamento (parte di PS).

La struttura dei fattori per i sottotest principali del WISC-IV è stata esaminata in una serie di studi che coinvolgono bambini di comunità generale e di riferimento clinico, compresi quelli con disturbi dell’apprendimento (ad esempio, Wechsler, 2003; Keith, 2005; Watkins et al., 2006; Sattler, 2008; Bodin et al., 2009; Watkins, 2010; Devena et al. Nel 2013, Nakano e Watkins, 2013; Watkins et al., Nel 2013, Canivez, 2014, Styck e Watkins, 2016). Attraverso questi studi, è stato riportato il supporto per un modello obliquo a quattro fattori, un modello di fattore di ordine superiore e un modello bifattore. Il modello obliquo a quattro fattori ha fattori per VC, PR, WM e PS, corrispondenti alle sottoscale per VC, PR, WM e PS. Il modello del fattore di ordine superiore ha fattori di primo ordine per VC, PR, WM e PS e un singolo fattore generale di ordine superiore., In questo modello, il fattore generale cattura le varianze comuni di tutti i fattori del primo ordine e i fattori del primo ordine catturano la covarianza tra i sottotest che comprendono i fattori. Il modello bifattore è un modello ortogonale, con cinque fattori primari. In questo modello, tutti i test secondari caricano su un fattore generale e ogni test secondario carica sul proprio fattore specifico (VC, PR, WM o PS)., Il fattore generale cattura la covarianza di tutti i sottotest e i fattori specifici VC, PR, WM e PS catturano la covarianza unica dei sottotest al loro interno dopo aver rimosso la covarianza catturata dal fattore generale. Così i fattori specifici catturano la loro varianza unica. I quattro fattori obliqui, il fattore di ordine superiore e i modelli bifattori sono mostrati nella figura Figure11., Con l’eccezione dello studio di Nakano e Watkins (2013), gli altri studi che hanno confrontato il modello obliquo a quattro fattori, il modello a fattore di ordine superiore e il modello a bifattore hanno riportato un maggiore supporto per il modello a bifattore rispetto al modello obliquo a quattro fattori e al modello a fattore di ordine superiore (Watkins, 2010; Devena et al., 2013; Watkins et al. Nel 2013, Canivez, 2014, Styck e Watkins, 2016). Nakano e Watkins hanno riportato la maggior parte del supporto per il modello a fattore di ordine superiore, sebbene differisse minimamente dal modello a bifattore.,

Per il modello del bifattore WISC-IV, un certo numero di studi passati hanno riportato sulla varianza comune spiegata (ECV; Reise et al., 2013a), così come i subtest omega hierarchical (wh) e omega (ws; McDonald, 1999; Zinbarg et al., 2005) dei fattori generali e specifici, rispettivamente. L’ECV di un fattore generale è la varianza comune spiegata dal fattore generale diviso per la varianza comune totale. L’ECV di un fattore specifico è la varianza comune spiegata dal fattore specifico diviso per la varianza comune totale., L’ECV del fattore generale sarà alto ogni volta che c’è poca varianza comune oltre quella del fattore generale. Quindi valori elevati indicano la presenza di una dimensione generale nel modello bifattore (Reise et al., 2013a). Il valore wh del fattore generale può essere interpretato come un indice basato su modelli dell’affidabilità della coerenza interna della scala totale (Brunner et al., 2012). Il wh può anche essere interpretato come uno stimatore di quanta varianza nei punteggi sommati (standardizzati) può essere attribuita al singolo fattore generale (McDonald, 1999)., Si ottiene dividendo la quantità di varianza spiegata dal fattore generale in una scala per la quantità totale di varianza spiegata da tutti gli elementi della scala. Il valore ws di un fattore specifico può essere interpretato come un indice basato sul modello dell’affidabilità interna della coerenza della scala specifica e uno stimatore di quanta varianza nei punteggi sommati (standardizzati) può essere attribuita al fattore specifico (McDonald, 1999; Brunner et al., 2012)., Viene calcolato dividendo la quantità di varianza spiegata dal fattore specifico per la quantità totale di varianza spiegata da tutti gli elementi della scala. I valori per wh e ws vanno da 0 a 1, con 0 che indica nessuna affidabilità e 1 che riflette l’affidabilità perfetta. Secondo Reise et al. (2013a), i valori wh e ws di almeno 0,75 sono preferiti per l’interpretazione significativa di una scala.,

I dati esistenti per il modello a bifattore WISC-IV mostrano che l’ECV del fattore generale è tra 2 e 3 volte superiore all’ECV combinato dei fattori specifici, con praticamente tutta la varianza nei sottotest spiegata molto di più dal fattore generale rispetto ai rispettivi fattori specifici (Watkins, 2010; Devena et al., 2013; Watkins et al. Nel 2013, Canivez, 2014, Styck e Watkins, 2016). Inoltre, il wh del fattore generale è molto più alto (compreso tra 0,67 e 0,87) rispetto ai valori ws dei quattro fattori specifici (compreso tra 0,10 e 0,53; Watkins, 2010; Devena et al.,, 2013; Watkins et al., 2013; Canivez, 2014; Styck e Watkins, 2016), aggiungendo il supporto per l’utilizzo del punteggio FSIQ rispetto ai punteggi dell’indice. Questi risultati indicano il supporto per la presenza di una dimensione generale nel modello del bifattore e che solo il fattore generale può essere interpretato in modo significativo. Supportano l’utilizzo del punteggio totale e non i punteggi indice del WISC-IV.

Per i sottotest principali, almeno tre studi hanno esaminato la struttura fattoriale del WISC-IV per gruppi di bambini con ADHD (Yang et al., 2013; Styck e Watkins, 2014; Thaler et al., 2015)., In tutti questi studi, è stato trovato supporto per il modello obliquo a quattro fattori. Il supporto è stato trovato anche per il modello di fattore di ordine superiore (Styck e Watkins, 2014). Sebbene lo studio di Styck e Watkins (2014) abbia riportato una buona vestibilità per il modello bifattore, questo modello è stato respinto in quanto aveva una soluzione inammissibile (una varianza residua era negativa). Lo studio di Thaler et al. (2015) ha trovato supporto per due modelli obliqui a cinque fattori, basati sul modello teorico di intelligenza Cattell-Horn–Carroll (CHC) (McGrew, 2005)., Uno di questi modelli, chiamato qui il modello obliquo a cinque fattori SS, comprende fattori per l’intelligenza cristallizzata (Gc; comprendente vocabolario, somiglianze e comprensione), ragionamento fluido (Gf; comprendente Concetti di immagine e ragionamento a matrice), elaborazione visiva (Gv; comprendente Design a blocchi e ricerca di simboli), memoria a breve termine (Gsm; comprendente Span di cifre e sequenziamento di lettere e numeri) e PS (Gs; Questo modello è anche mostrato in Figura Figure11., Il secondo modello, chiamato qui il modello MR-SS a cinque fattori obliqui, differiva dall’altro modello SS a cinque fattori obliqui specificando il subtest di ragionamento della matrice per il carico incrociato sul fattore Gv. Come sarà evidente, entrambi i modelli CHC non sono simili ai modelli obliqui a quattro fattori, di ordine superiore o bifattori ispirati a WISC-IV.

In termini di confronto dei modelli, Styck e Watkins (2014) hanno trovato una migliore vestibilità per il modello a fattore di ordine superiore rispetto al modello a quattro fattori obliqui. Thaler et al. (2015) ha scoperto che entrambi i loro modelli a cinque fattori erano più adatti rispetto al modello obliquo a quattro fattori., Sebbene il modello MR-SS a cinque fattori obliqui mostrasse una vestibilità marginalmente migliore rispetto al modello SS a cinque fattori obliqui, il modello SS a cinque fattori obliqui è stato adottato come modello migliore in quanto il subtest di ragionamento della matrice nel modello MR-SS a cinque fattori obliqui non ha caricato in modo significativo sul fattore Gv. Per il modello a fattore di ordine superiore testato da Styck e Watkins (2014) e per il modello SS a cinque fattori obliqui di ordine superiore riportato da Thaler et al., (2015) il fattore generale ha spiegato più varianza rispetto ai fattori specifici per tutti i sottotest, ad eccezione della codifica e della ricerca di simboli (entrambi i sottotest PS). Nello studio di Styck e Watkins (2014), sia la codifica che la ricerca di simboli avevano circa uguali sui fattori specifici generali e PS. Nello studio di Thaler et al. (2015) La ricerca dei simboli è stata caricata ugualmente sul fattore generale e sul proprio fattore specifico (PS), e la codifica ha avuto un caricamento più elevato sul proprio fattore specifico (PS). Per i modelli a fattore più alto in e Styck e Watkins (2014) e Thaler et al., (2015) studi, l’ECV del fattore generale era circa il doppio dell’ECV totale di tutti i fattori specifici insieme. Styck e Watkins (2014) hanno anche riferito che il valore wh per il fattore generale (0,78) era molto più alto dei valori ws dei quattro fattori specifici (compresi tra 0,09 e 0,34), indicando così che solo l’FSIQ aveva una solida affidabilità.,

Nel complesso, quindi, la maggior parte dei risultati per la struttura fattoriale dei sottotest WISC-IV di base nei bambini con ADHD sono comparabili con i dati esistenti che coinvolgono la comunità generale e i bambini sottoposti alla clinica, compresi quelli con disturbi dell’apprendimento (Watkins et al., 2006, 2013; Watkins, 2010; Devena et al. Nel 2013, Nakano e Watkins, 2013; Canivez, 2014; Styck e Watkins, 2016). Attraverso questi studi, è stato riportato il supporto per il modello obliquo a quattro fattori e il modello a fattore di ordine superiore., Il modello obliquo a cinque fattori basato su CHC e una struttura di ordine superiore di questo modello sono stati supportati anche quando sono stati esaminati tutti i 15 sottotest WISC-IV (core e supplementari) (Keith et al., 2006; Chen et al., 2009; Golay et al., 2013).

Nonostante le somiglianze nei risultati sui bambini con ADHD e bambini della comunità generale e delle cliniche, desideriamo sostenere che ci sono limitazioni nei risultati esistenti sulla struttura fattoriale del WISC-IV nei bambini con ADHD. In primo luogo, ci sono stati solo tre studi che hanno coinvolto bambini con ADHD (Yang et al.,, 2013; Styck e Watkins, 2014; Thaler et al., 2015), con un solo studio che riporta l’applicabilità del modello del fattore di ordine superiore (Styck e Watkins, 2014) e il modello obliquo a cinque fattori (Thaler et al., 2015). In secondo luogo, lo studio di Styck e Watkins (2014), l’unico studio che ha testato l’applicabilità del modello bifattore per i bambini con ADHD, non ha trovato una soluzione ammissibile per questo modello. Poiché questo studio ha utilizzato un piccolo campione (N = 233), è possibile che con 30 parametri da stimare nel modello del bifattore, questo potrebbe aver contribuito alla soluzione inammissibile., Dato il supporto generalmente robusto per il modello bifactor in campioni di comunità e clinica, è concepibile che con campioni di dimensioni maggiori, il modello bifactor sarà supportato anche per i bambini con ADHD. In terzo luogo, come sottolineato da Styck e Watkins (2014), la rilevanza di tutti i loro risultati per i bambini con ADHD è incerta., Questo perché, poiché i team di valutazione multidisciplinare della scuola erano responsabili delle decisioni di ammissibilità che dovevano aderire al Individuals With Disabilities Education Improvement Act (2004), i bambini identificati come ADHD potrebbero non essere paragonabili a campioni di bambini con ADHD diagnosticati in cliniche di salute mentale per bambini convenzionali., In quarto luogo, poiché lo studio di Styck e Watkins (2014) non ha considerato lo stato dei farmaci dei partecipanti, non si può escludere che i loro risultati non siano stati confusi dagli effetti dei farmaci, poiché l’uso a lungo termine dei farmaci ha dimostrato di influenzare il QI dei bambini con ADHD (Gillberg et al., 1997; Gimpel et al., 2005).,

Un’altra limitazione è che, sebbene IQ abbia dimostrato costantemente di essere associato al rendimento scolastico (Naglieri e Bornstein, 2003), allo stato attuale, nessuno studio ha esaminato la validità predittiva dei fattori nel modello bifattore del WISC-IV, modellato in termini di un fattore generale e dei fattori specifici che rappresentano le scale dell’indice (VC, PR, WM e PS)., Utilizzando l’analisi di regressione multipla dei punteggi osservati per WISC-IV FSIQ, VCI, PRI, WMI e PSI, studi che coinvolgono campioni non ADHD hanno riferito che i punteggi dell’indice forniscono solo una varianza leggermente aggiuntiva nella previsione dei punteggi di rendimento scolastico, inclusa la lettura e l’aritmetica (Glotting et al., 2006; Canivez et al., 2014). Uno studio recente (Beaujean et al.,, 2014), anche con un campione non ADHD che ha modellato tutti i test principali e supplementari di WISC-IV in termini di Cattell-Horn–Carroll (CHC; Schneider e McGrew, 2012) la teoria delle capacità cognitive ha mostrato che il fattore generale aveva un’associazione più forte con la lettura e l’aritmetica rispetto a uno qualsiasi dei fattori specifici. Risultati simili sono stati riportati per il modello di bifattore Wechsler Adult Intelligence Scale – Fourth Edition (WAIS-IV; Wechsler, 2008) con un fattore generale e i fattori per le scale di indice (Kranzler et al., 2015)., Sulla base di questi risultati, si può ipotizzare che il fattore di intelligenza generale sarebbe anche associato alle capacità accademiche dei bambini con ADHD. Tuttavia, come bassa capacità di lettura (Gathercole et al., 2006; Alloway et al., 2009; Alloway e Alloway, 2010) e abilità aritmetica (Bull e Scerif, 2001; Swanson e Sachse-Lee, 2001) sono stati collegati a WM poveri, e come difetti WM sono stati fortemente associati con ADHD (Martinussen et al., 2005; Willcutt et al., 2005; Walshaw et al.,, 2010), il fattore specifico WM (che cattura l’abilità WM indipendente dall’intelligenza generale) può anche essere associato alle capacità di rendimento scolastico.

Date le limitazioni esistenti, il primo obiettivo dell’attuale studio era quello di esaminare la struttura fattoriale dei dieci sottotest WISC–IV core in un grande gruppo (N = 812) di bambini con ADHD, tutti diagnosticati direttamente utilizzando i criteri ADHD DSM-IV TR (American Psychiatric Association , 2000)., Come erano nuovi ai servizi di salute mentale, nessuno di loro non era stato il farmaco, e non erano sul farmaco in qualsiasi momento prima o durante il test. Coerentemente con i modelli precedentemente supportati, lo studio ha esaminato i seguenti modelli: un modello obliquo a quattro fattori del primo ordine, il modello obliquo a cinque fattori SS basato su CHC, modelli di ordine superiore e bifattori basati sul modello a quattro fattori e un modello di fattore di ordine superiore basato sul modello a cinque fattori SS., Poiché i coefficienti di pattern cross-factor non sono consentiti in un modello bifattore CFA (poiché distorce le stime dei parametri; Rios e Wells, 2014), la versione bifactor equivalente del modello SS a cinque fattori non è stata testata in quanto ha carichi incrociati per la ricerca di simboli., Per ridurre la confusione, l’obliquo quattro-factor e cinque-fattore di modelli sarà indicato come WISC/quattro-factor model e CHC/cinque-factor model, rispettivamente; l’ordine superiore fattore di modelli a quattro e cinque i fattori principali che saranno indicati come WISC/superiore per il fattore di modello e CHC/superiore per il fattore di modello, rispettivamente; e la bifactor modelli con quattro fattori specifici saranno indicati come WISC/bifactor modello. I cinque modelli testati sono raffigurati nella figura Figura11., Il secondo obiettivo dello studio era quello di esaminare l’ECV e l’affidabilità della coerenza interna basata sul modello per i fattori nel modello selezionato come modello ottimale. Il terzo obiettivo era quello di esaminare come i fattori generali e specifici nel modello bifattore prevedevano la lettura e l’aritmetica. Sulla base dei risultati precedenti che hanno coinvolto bambini con ADHD e bambini in generale, abbiamo previsto il supporto per tutti i modelli testati, con il modello WISC/bifactor che è il miglior modello di montaggio., Per questo modello, ci aspettavamo che, ad eccezione della codifica e della ricerca di simboli, i coefficienti del modello di fattore dei sottotest sui fattori generali sarebbero relativamente più alti rispetto ai fattori specifici. Ci aspettavamo anche che i valori ECV e wh per il fattore generale sarebbero stati relativamente più alti dei valori ECV e ws per i fattori specifici. Ci aspettavamo anche che il fattore generale e i fattori specifici del WM prevedessero la lettura e le capacità aritmetiche.