소개

주의력 결핍/핍 과잉 행동 장애(ADHD)를 하나의 가장 일반적인 유년기 정신장애(diagnostic and statistical manual of mental disorders;DSM-5;American Psychiatric Association,2013). 주요 실천에 대한 지침을 ADHD 등의 미국의 아동 및 청소년 정신과(2007),가 추천 지능 테스트를 위한 임상 평가의 아이들과 함께 ADHD., 이것의 가장 큰 이유는 ADHD 를 가진 어린이의 70%가 동반 질환 학습 장애를 가지고 있기 때문입니다(Mayes et al.,2000;Mayes and Calhoun,2006),그리고 개인의 지적 수준에 대한 지식은 학습 장애에 대한 더 나은 이해를 촉진 할 수있다., 또한,로 웩슬러 규모의 정보에 대한 아이들-Fourth Edition(WISC-IV;웩슬러,2003)은 가장 자주 사용되는 지능 테스트(그레셤와 위트,1997),의 포괄적인 이해의 요소 구조에서 가진 어린이 ADHD 에 귀중할 것이 그대로 이어질 수 있는 더 나은 이해와 더 유효한 정보가에서 지적,인지,그리고 학습 능력의 그룹입니다. 현재의 연구는 ADHD 를 가진 어린이와 청소년 그룹(이제부터는 어린이라고 함)에서 WISC-IV 에 대해 제안 된 몇 가지 구조 모델을 조사했습니다.,

WISC-IV 는 6 세에서 16 세 사이의 어린이의 지적 능력을 측정합니다. 그것을 제공하기 위해 개발되었 전반적인 측정 차지하고 또한 조치의 지적 기능에 구두 이해(VC),지각적 추론(PR),메모리(WM)고 처리 속도(PS). VC,PR,WM 및 PS 서브 스케일은 각각 언어 이해 지수(VCI),지각 추론 지수(Pri),작업 메모리 지수(WMI)및 처리 속도 지수(PSI)에 대한 점수를 제공합니다., 함께 VCI,PRI,WMI 및 PSI 는 전반적인 지능 수준 또는 Fsiq(Full Scale IQ)를 제공합니다. WISC-IV 의 정식 버전에는 15 개의 하위 테스트가 있지만 10 개만 핵심으로 간주되며 인텔리전스를 테스트 할 때 더 자주 사용됩니다(Wechsler,2003). VC 의 핵심 하위 테스트는 어휘,유사성 및 이해력입니다. PR 의 핵심 하위 테스트는 블록 디자인,그림 개념 및 매트릭스 추론입니다. WM 의 핵심 하위 테스트는 숫자 범위 및 문자-숫자 시퀀싱이며 PR 의 핵심 하위 테스트는 코딩 및 기호 검색입니다., 나머지 다 하위 검사,이라고 보충 하위 검사에서는 정보와 단어 추론(의 일부 VC),사진료(의 일부 PR),연산(부분의 WM),및 취소(부분의 PS).

요인 구조에 대한 핵심 하위 검사에서의 WISC-IV 는 검사에는 다수의 연구를 포함하는 일반적인 지역 사회와 병원-라고 어린이들을 포함하여 학습과 장애에(예를 들어,웩슬러,2003;Keith,2005;Watkins et al.,2006;Sattler,2008;Bodin 외.,2009;왓킨스,2010;Devena 외.,2013;나카노와 왓킨스,2013;왓킨스 외., 그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과. 이러한 연구를 통해 경사 4 요인 모델,고차 요인 모델 및 이중 요인 모델에 대한 지원이보고되었습니다. 경사 4 요소 모델에는 VC,PR,WM 및 PS 의 하위 스케일에 해당하는 VC,PR,WM 및 PS 에 대한 요소가 있습니다. 고차 팩터 모델에는 VC,PR,WM 및 PS 에 대한 1 차 팩터와 단일 고차 일반 팩터가 있습니다., 이 모델에서의 일반 요인을 캡처하는 일반적인 차이의 첫 번째 순서는 요인,그리고 먼저 주문 요소를 캡처 공분산에 하위에 포함하는 요소입니다. Bifactor 모델은 5 가지 기본 요소가있는 직교 모델입니다. 이 모델에서는 모든 하위 테스트가 일반 팩터에로드되고 각 하위 테스트는 자체 특정 팩터(VC,PR,WM 또는 PS)에로드됩니다., 일반적인 요소를 캡처의 공분산의 모든 하위에,그리고 벤처,PR,WM,and PS 특정 요소를 캡처한 공분산의 하위 내에서 그들을 제거한 후 공분산에 의해 캡처 된 일반적인 요소입니다. 따라서 특정 요인은 고유 한 분산을 포착합니다. 경사 4 인자,고차 계수 및 bifactor 모델은 그림 그림 11 에 나와 있습니다., 예외적으로 연구하여 나카노과 Watkins(2013),다른 연구에 비해 경사 네 가지 요소 모델이,높이기 위해 요소이 모델,그리고 bifactor 모델가 보고에 대한 더 많은 지원합 bifactor 모델보다는 네 가지 요인을 비스듬한 모델을 높이기 위해 요소 모델(Watkins,2010 년;Devena et al.,2013;왓킨스 외. 그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과. 나카노과 Watkins 보고된 대부분에 대한 지원을 높이기 위해 요소 모델이지만,그것은 달랐 최소서 bifactor 모델입니다.,

WISC-IV bifactor 모델의 경우,다수의 과거 연구가 설명 된 공통 분산에 대해보고했다(ECV;Reise et al. 오메가 계층 적(wh)및 오메가 하위 테스트(ws;McDonald,1999;Zinbarg et al. 또한,특정 요인뿐만 아니라 특정 요인도주의를 기울여야합니다. 일반 요인의 ECV 는 일반 요인으로 설명 된 공통 분산을 총 공통 분산으로 나눈 값입니다. 특정 요인의 ECV 는 특정 요인으로 설명 된 공통 분산을 총 공통 분산으로 나눈 값입니다., 일반 요인의 ECV 는 일반 요인의 ECV 를 넘어서는 공통 분산이 거의 없을 때마다 높을 것입니다. 따라서 높은 값은 bifactor 모델에서 일반적인 차원의 존재를 나타냅니다(Reise et al.,2013a). General factor 의 wh 값은 전체 규모의 내부 일관성 신뢰도의 모델 기반 지수로 해석 될 수 있습니다(Brunner et al., 2012). Wh 는 또한 합산 된(표준화 된)점수의 분산이 단일 일반 요인에 기인 할 수있는 정도의 추정기로 해석 될 수있다(McDonald,1999)., 그것은 분리해서 얻은 금액의 차이에 의해 설명된 일반 요인 규모로 총 금액의 차이에 의해 설명에서 모든 항목의 규모이다. Ws 가치의 특정 요인으로 해석될 수 있 모델 기반의 색인을 내 일관성의 신뢰도는 특정 규모로,그리고 견적을 얼마의 분산서 요약(표준화)점수에 표시 될 수 있습 특정 요인(맥도날드,1999;Brunner et al., 2012)., 특정 요인에 의해 설명 된 분산의 양을 척도의 모든 항목에 의해 설명 된 분산의 총량으로 나눔으로써 계산됩니다. Wh 및 ws 의 값은 0 에서 1 까지이며 0 은 신뢰성이 없음을 나타내고 1 은 완벽한 신뢰성을 반영합니다. Reise 등에 따르면. (2013a),적어도 0.75 의 wh 및 ws 값은 척도의 의미있는 해석을 위해 선호된다.,

기존에 대한 데이터 WISC-IV bifactor 모델는 ECV 일반의 요소 간의 2 및 3 배 이상이 결합된 ECV 의 특정 요인과 함께,거의 모든 분산에서의 하위 검사에서는 많은 것을 설명하여 더 일반적인 요인보다는 각각의 특정 요인(Watkins,2010 년;Devena et al.,2013;왓킨스 외. 그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과,그 결과. 또한,일반적인 요인의 wh 는 네 가지 특정 요인의 ws 값보다 훨씬 높습니다(0.67 에서 0.87 까지)(0.10 에서 0.53 까지;왓킨스,2010;Devena et al.,,2013;왓킨스 외.,2013;Canivez,2014;Styck and Watkins,2016),지수 점수보다 FSIQ 점수의 활용에 대한 지원 추가. 이러한 연구 결과를 나타내는 지원의 존재에 대한 일반적인 차원에서 bifactor 모델,그리고 일반 요인이 될 수 있다는 의미 해석됩니다. 그들은 지원을 이용의 총 점수,그리고 색인을 붙이지 않는 점수의 WISC-IV.

코어 하위에서,적어도 세 가지 연구 검사 요소의 구조를 WISC-IV 에 대한 아이들의 그룹으로 ADHD(양 et al.,2013;Styck and Watkins,2014;Thaler et al., 2015)., 이 모든 연구에 걸쳐 4 요소 경사 모델에 대한 지원이 발견되었습니다. 또한 고차 계수 모델(Styck and Watkins,2014)에 대한 지원이 발견되었습니다. 지 연구에 의해 Styck 및 Watkins(2014)보고에 적합한 bifactor 모델,이 모델을 거부했으로 허용할 수 없는 솔루션(한 잔류 차이 부정적이었). Thaler 등의 연구. (2015)는 cattell-Horn–Carroll(CHC)지능 이론 모델(McGrew,2005)을 기반으로 한 두 가지 5 요소 경사 모델에 대한 지원을 발견했습니다., 이러한 모델 중 하나라는 여기에 비스듬한 다섯 가지 요소 SS 모델,구성 요소에 대한 결정화 정보(Gc;을 포함하는 어휘,유사성,그리고 이해),유체론(Gf;을 포함하는 사진의 개념과 행렬이론),시각 처리(Gv;을 포함하는 블록 디자인 및 기호로 검색),단기 기억(Gsm;을 포함하는 자리 범위와 글자 수는 시퀀싱)와 PS(Gs;을 포함하는 기호는 검색 Coding). 이 모델은 그림도 11 에 나와 있습니다., 두 번째는 여기에 비스듬한 다섯 가지 요소 MR-SS 모델과는 달랐다 다른 경사는 다섯 가지 요소 SS 을 지정하여 모델의 모체 추론을 사이 실시하는 크로스드에 Gv 요소입니다. 분명히 알 수 있듯이,CHC 모델 모두 WISC-IV 에서 영감을 얻은 비스듬한 4 인자,고차 또는 bifactor 모델과 유사하지 않습니다.

모델의 비교 측면에서 Styck 과 Watkins(2014)는 경사 4 요소 모델보다 고차 계수 모델에 더 잘 맞는 것으로 나타났습니다. 탈러 등. (2015)는 5 요소 모델 모두 비스듬한 4 요소 모델보다 더 잘 맞는 것으로 나타났습니다., 하지만 비스듬한 다섯 가지 요소 MR-SS 모델을 보였다 소폭 보다 더 잘 맞는 비스듬한 다섯 가지 요소 SS 모델,비스듬한 다섯 가지 요소 SS 모델 채택되었으로 더 나은 모델로 매트릭스 추론을 사이에 비스듬한 다섯 가지 요소 MR-SS 모델 로드되지 않았음에 크게 Gv 요소입니다. Styck and Watkins(2014)에 의해 테스트 된 고차 계수 모델 및 Thaler et al.에 의해보고 된 고차 경사 5 인자 ss 모델에 대해., (2015)일반적인 요인이 설명했다 더 많은 차이보다 특정 요소에 대한 모든 하위 검사에서 제외하고,코딩 및 기호는 검색(모두 PS 하위에). Styck and Watkins(2014)의 연구에서 코딩 및 심볼 검색은 일반 및 PS 특정 요인에 대해 거의 동일했습니다. 탈러 등의 연구에서. (2015)기호는 검색드 동등하게 일반 요인과 그것의 자신의(PS)특정 요소이며,코딩이 있었 높은 로딩에서 자신의 특정 요인(PS). 및 Styck 및 Watkins(2014)및 Thaler et al., (2015)연구,일반 요인의 ECV 는 함께 모든 특정 요인의 총 ECV 의 약 두 배였다. Styck 및 Watkins(2014)보도했는 wh 값은 일반적인 요인(0.78)보다 훨씬 높았 ws 값을 네 가지의 특정 요인(에 이르기까지 0.09 0.34)함으로써 나타내는 것만 FSIQ 소 신뢰성입니다.,

전반적으로,따라서,대부분의 연구 결과는 요인에 대한 구조의 핵심 WISC-IV 하위 검사에서 아이들과 함께 ADHD 비교할 수 있는 기존 데이터를 포함하는 일반적인 지역 사회와 병원-라고 어린이들을 포함하여 함께 학습 장애(Watkins et al.,2006,2013;왓킨스,2010;Devena 외. 2013 년;나카노과 Watkins,2013 년;Canivez,2014;Styck 및 Watkins,2016). 이러한 연구를 통해 경사 4 요인 모델과 고차 요인 모델에 대한 지원이보고되었습니다., CHC 에 기반 다섯 가지 요소 비스듬한 모델 및 고차 구조의 모델이 지원되었을 때 모든 15(코어 및 보충)WISC-IV 하위 검사에서 검토되었(Keith et al.,2006;첸 외.,2009;Golay 외., 2013).

에도 불구하고 유사성 연구 결과는 어린이에 ADHD 및 어린이에서 일반적인 커뮤니티 클리닉,우리가 원하는 주장이 있다는 한계에서 기존의 연구 결과에서 요소의 구조를 WISC-IV 에 ADHD. 첫째,ADHD 아동과 관련된 연구는 세 가지 밖에 없었습니다(Yang et al.,,2013;Styck and Watkins,2014;Thaler et al.,2015),고차 요인 모델(Styck and Watkins,2014)의 적용 가능성에 대한 단 하나의 연구 만보고하고,비스듬한 5 요소 모델(Thaler et al., 2015). 둘째,연구 Styck 및 Watkins(2014),유일한 연구는 시의 적용 bifactor 아이들을위한 모델 ADHD,하지 않았을 찾을 허용 가능한 솔루션이 이 모델이다. 이 학문으로 사용되는 작은 표본(N=233),그것은 30 개 매개변수를 추정할에 bifactor 모델,이 기여 수 있습을 용납 솔루션입니다., 주어진 일반적으로 강력한 지원을 위해 bifactor 모델에서 지역 사회와 병원-라 샘플을,그것은 생각할 수 있는 더 큰 샘플 크기 bifactor 모델 것입니다 또한 지원에 대한 아이들과 함께 ADHD. 셋째,Styck and Watkins(2014)가 지적한 바와 같이,ADHD 아동에 대한 모든 연구 결과의 관련성은 불확실합니다., 이 때문에 학교 분야의 평가는 팀을 만들기 위한 책임 자격을 결정했을 준수하는 장애를 가진 개인 교육을 개선법(2004),어린이들이 갖는 것으로 파악되 ADHD 되지 않을 수 있 비교하는 샘플 ADHD 어린이의 진단에서 기존의 아이는 정신적 건강상적인 장소입니다., 넷째,연구에 의해 Styck 및 Watkins(2014)고려하지 않았다는 약물의 상태 참가자,그것은 배제할 수 없는 자신의 연구 결과하여 수치를 당치 아니하였나이에 의해 약물 효과,장기 약물의 사용을 좌우하기 위하여 보였 IQ 의 어린이 ADHD(Gillberg et al.,1997;김펠 외., 2005).,

다른 제한이 있지만 IQ 는 일관되게 표시되었습과 관련된 학업성적(Naglieri 및 Bornstein,2003),현재,아이 연구 조사 예측의 유효성 요소에 bifactor 모델 WISC-IV 모델의 관점에서 일반적인 요인 및 특정 요인을 나타내는 지수 스케일(VC,PR,WM,and PS)., 를 사용하여 다중 회귀분석의 관찰에 대한 점수를 WISC-IV FSIQ,VCI,PRI,여하고 PSI,관련 연구 non-ADHD 샘플 보고 있는 지수 점수만 제공이 약간 추가적인 분산에서의 예측은 학업성적 점수를 포함하여 읽기와 연산(Glutting et al.,2006;Canivez 외., 2014). 최근 연구(Beaujean et al., 2014 년),또한 비 ADHD 샘플을 모델링된 모든 코어 및 보의 테스트 WISC-IV 의 점에서 카텔–Horn–캐롤(CHC;신아이더와 맥 그루,2012 년)이론의 인지능력을 보였다는 일반적인 요인이 있었는 강한 연결과 함께 읽 및 산술보다 어떤 특정 요소입니다. Wechsler Adult Intelligence Scale-Fourth Edition(WAIS-IV;Wechsler,2008)일반적인 요인과 지수 척도에 대한 요인이있는 bifactor 모델(Kranzler et al., 2015)., 이러한 결과를 토대로,일반적인 지능 요소는 또한 ADHD 를 가진 어린이의 학업 능력과 관련이있을 것이라고 추측 할 수 있습니다. 그러나,낮은 판독 능력으로(Gathercole et al.,2006;Alloway 외.,2009;Alloway and Alloway,2010)및 산술 능력(Bull and Scerif,2001;Swanson and Sachse-Lee,2001)은 빈약 한 WM 과 관련이 있으며,wm 결함으로 adhd 와 강하게 연관되어있다(Martinussen et al.,2005;윌 커트 외.,2005;월쇼 외.,,2010),WM 특정 요인(일반 지능과 독립적 인 WM 능력을 포착 함)은 학업 성취 능력과 관련 될 수도 있습니다.

주어진 기존 제한의 첫 번째 목표는 현재 연구되었을 검사하는 요소의 구조를 열 WISC–IV 코어 하위 검사에 큰 그룹(N=812)ADHD 어린이의 모든 직접 사용하여 진단 DSM-IV TR(American Psychiatric Association,2000)ADHD 기준입니다., 그들은 새로운 정신건강 서비스에는,그들 중 아무도 없었에서 약물 치료,지에서 약물 치료하기 전에 언제든지 또는 도중 테스트입니다. 일관성과 함께 모델 이전에 지원되는 연구 조사하는 모델은 다음과 같:비스듬한 첫 번째 순서는 네 가지 요소 모델 CHC-기반으로 비스듬한 다섯 가지 요소 SS 모델 높은 순서와 bifactor 모델을 기반으로 네 개의 요인이 모델,그리고 높이기 위해 요소 모델을 기반으로 다섯 가지 요소 SS 모델입니다., 때문에 십자가 요인 패턴 계수가에서는 허용되지 않습 CFA bifactor 모델(으로 그것을 왜곡 매개 변수 예측;Rios 및 Wells,2014 년)에 해당하는 bifactor 버전의 다섯 가지 요소 SS 모델을 테스트하지 않습으로 그것은 크로스 부하량에 대한 상징이 검색합니다., 혼동을 줄이기 위해,비스듬한 네 가지 요소와 요소 모델이라고 부릅니다 WISC/네 가지 요인 모델 및 CHC/다섯 요소 각각 모델;높이기 위해 요소 모델을 가진 네 가지고 다음과 같은 다섯 가지 기본 요인이 될 것이라고 WISC/높이기 위해 요소 모델 CHC/높이기 위해 요소 모델을,각각;및 bifactor 모델과 함께 네 개의 특정 요인이 될 것이라고 WISC/bifactor 모델입니다. 테스트 된 다섯 가지 모델은 그림 그림 11 에 나와 있습니다., 두 번째 목표로 연구 검사 ECV 및 모델 기반의 내적 일관성 신뢰도에 대한 요인 모델로 선택되어 최적의 모델입니다. 세 번째 목표는 bifactor 모델의 일반 및 특정 요인이 읽기 및 산술을 어떻게 예측했는지 조사하는 것이 었습니다. 기반으로 이전의 연구 결과를 포함하 어린이 ADHD 및 어린이에서 일반적으로,우리는 예측된 지원서는 모든 모델에 대한 테스트와 함께,WISC/bifactor 모델는 최고의 피팅 모델입니다., 이 모델에 대해,우리가 예상되는 제외한 코딩 및 기호는 검색은 패턴 요인 계수의 하위 검사에서 일반적인 요인이 될 것이 상대적으로 보다 높은 특정 요소입니다. 우리는 또한 일반 요인에 대한 ECV 및 wh 값이 특정 요인에 대한 ECV 및 ws 값보다 상대적으로 높을 것으로 예상했다. 우리는 또한 일반적인 요인과 wm 특정 요인이 읽기 및 산술 능력을 예측할 것으로 예상했습니다.피>