Innledning

Attention deficit/hyperactivity disorder (ADHD) er en av de mest vanlige barndom psykiske lidelser (diagnostic and statistical manual of mental disorders; DSM-5, American Psychiatric Association , 2013). Store praksis retningslinjer for ADHD, som for eksempel at av the American Academy of Child, og ungdomspsykiatri (2007), har anbefalt intelligens testing for klinisk vurdering av barn med ADHD., Hovedgrunnen til dette er at så mye som 70% av barn med ADHD har komorbide læring lidelser (Mayes et al. I 2000; Mayes og Calhoun, 2006), og kunnskap om en persons intellektuelle nivå kan legge til rette for en bedre forståelse av læring lidelser., I tillegg, som Wechsler Intelligence Scale for Children-Fjerde Utgave (WISC-IV; Wechsler, 2003) er den mest brukte testen av intelligens (Gresham og Witt, 1997), en helhetlig forståelse av sin faktor struktur hos barn med ADHD ville være verdifullt som det kunne føre til en bedre forståelse og mer gyldig informasjon på de intellektuelle, kognitive, og lære ferdigheter av denne gruppen. Denne studien undersøkte flere strukturelle modeller som er foreslått for WISC-IV i en gruppe av barn og unge (heretter referert til som barn) med ADHD.,

WISC-IV tiltak intellektuelle evnen til barn fra 6 til 16 år. Det ble utviklet for å gi et samlet mål på generell kognitiv evne, og også tiltak av intellektuell fungering i Verbal Forståelse (VC), Perseptuell Resonnement (PR), arbeidsminnet (WM) og prosesseringshastighet (PS). VC, PR, WM, og PS subscales gi score for Verbal Forståelse Indeks (VCI), den Perseptuelle Resonnement Indeks (PRI), Arbeider Minne Indeks (WMI), og Behandlingen Speed Index (PSI), henholdsvis., Sammen VCI, PRI, WMI, og PSI gi det generelle nivået av intelligens, eller fullskala IQ (FSIQ). Selv om den fullstendige versjonen av WISC-IV har 15 subtests, bare ti anses som kjernen, og brukes ofte ved testing av intelligens (Wechsler, 2003). Kjernen subtests for VC er Vokabular, Likheter og Forståelse. Kjernen subtests for PR er Block Design, Bilde Konsepter, og Matrix Resonnement. Kjernen subtests for WM er Digit Span-og Bokstav-Tall-Sekvensering, og kjernen subtests for PR er Koding og Symbol Søk., De resterende fem subtests, som er referert til som supplerende subtests, er Informasjon og Word Resonnement (del av VC), Bilde Ferdigstillelse (en del av PR), Matematikk (del av WM), og Avbestillingsvilkår (en del av PS).

Den faktor struktur for kjernen subtests av WISC-IV har blitt undersøkt i en rekke studier som involverer generelle samfunnet og klinikk-referert barn, inkludert de med læring lidelser (f.eks., Wechsler, 2003; Keith, 2005; Watkins et al., 2006; Sattler, 2008; Bodin et al., 2009; Watkins, 2010; Devena et al., 2013; Nakano og Watkins, 2013; Watkins et al.,, 2013; Canivez, 2014; Styck og Watkins, 2016). På tvers av disse studiene, støtte har vært rapportert for en skrå fire-faktor modellen, en høyere orden faktor modellen, og en bifactor modell. Den skrå fire-faktor modellen har faktorer for VC, PR, WM, og PS, tilsvarende subscales for VC, PR, WM, og PS. Den høyere orden faktor modellen har først-for faktorer for VC, PR, WM, og PS, og en enkelt høyere for generell faktor., I denne modellen, er den generelle faktoren fanger opp den felles variansen i alle første-ordens faktorer, og det første-for faktorer fange covariance over subtests som omfatter de faktorer. Den bifactor modellen er en ortogonal modell, med fem viktigste faktorene. I denne modellen er alle subtests legg på en generell faktor, og hver subtest laster på sin egen faktor (VC, PR, WM, eller PS)., Den generelle faktoren fanger covariance av alle subtests, og VC, PR, WM, og PS spesifikke faktorer fange det unike covariance av subtests i dem etter fjerning av covariance fanges opp av den generelle faktoren. Dermed bestemte faktorer fange deres unik varians. Den skrå fire-faktor, jo høyere faktor, og bifactor modeller er vist i Figur Figure11., Med unntak av studier av Nakano og Watkins (2013), den andre studier som har sammenlignet den skrå fire-faktor modellen, jo høyere faktor modellen, og bifactor modellen har rapportert om mer støtte for bifactor modell enn fire-faktor skrå modell og høyere orden faktor modellen (Watkins, 2010; Devena et al., 2013; Watkins et al., 2013; Canivez, 2014; Styck og Watkins, 2016). Nakano og Watkins rapportert mest støtte for høyere orden faktor modellen, selv om det skiller seg minimalt fra bifactor modell.,

For WISC-IV bifactor modell, en rekke tidligere studier har rapportert på forklart felles varians (ECV; Reise et al., 2013a), samt omega hierarkisk (wh) og omega subtests (ws; McDonald, 1999; Zinbarg et al., 2005) av den generelle og spesifikke faktorer, henholdsvis. Den ECV av en generell faktor er den felles variansen forklares ved generell faktor dividert med den totale felles varians. Den ECV av en bestemt faktor som er felles varians forklart av spesifikke faktor dividert med den totale felles varians., Den ECV av den generelle faktoren vil være høy når det er lite felles varians utover at den generelle faktoren. Dermed høye verdier indikerer tilstedeværelse av en generell dimensjon i bifactor modell (Reise et al., 2013a). Wh verdien av generell faktor som kan tolkes som en modell-basert indeks av intern konsistens reliability av den totale skalaen (Brunner et al., 2012). Wh kan også tolkes som en estimator for hvor mye varians i summert (standardisert) score kan være knyttet til én generell faktor (McDonald, 1999)., Det beregnes ved å dividere mengden av variasjon forklart av generell faktor i en skala av den totale mengden av variasjon forklart av alle elementene i den skala. Ws verdien av en bestemt faktor som kan tolkes som en modell-basert indeks av intern konsistens reliability av den spesifikke vekten, og en estimator av hvor mye varians i summert (standardisert) score kan knyttes til en bestemt faktor (McDonald, 1999; Brunner et al., 2012)., Det er rekna ut ved å dividere mengden av variasjon forklart av spesifikke faktor av den totale mengden av variasjon forklart av alle elementene i den skala. Verdiene for a og ws varierer fra 0 til 1, der 0 indikerer ingen pålitelighet og 1 reflekterer perfekt pålitelighet. I henhold til Reise et al. (2013a), wh og ws-verdier på minst 0.75 er foretrukket for meningsfull tolkning av en skala.,

Eksisterende data for WISC-IV bifactor modellen viser at ECV av den generelle faktoren er mellom 2 og 3 ganger mer enn samlet ECV av spesifikke faktorer, med nesten alle avvik i subtests blir forklart mye mer av generell faktor enn de respektive spesifikke faktorer (Watkins, 2010; Devena et al., 2013; Watkins et al., 2013; Canivez, 2014; Styck og Watkins, 2016). Også, wh av den generelle faktoren er mye høyere (alt fra 0.67 å 0.87) enn ws verdier av de fire spesifikke faktorer (alt fra 0.10 til 0.53; Watkins, 2010; Devena et al.,, 2013; Watkins et al., 2013; Canivez, 2014; Styck og Watkins, 2016), lagt til støtte for utnyttelse av FSIQ score over index score. Disse funnene indikerer at støtten for tilstedeværelse av en generell dimensjon i bifactor modell, og at bare den generelle faktor kan være meningsfull tolkning. De støtter utnyttelse av den totale poengsummen, og ikke index score av WISC-IV.

For kjernen subtests, minst tre studier har undersøkt faktor struktur av WISC-IV for grupper av barn med ADHD (Yang et al., 2013; Styck og Watkins, 2014; Thaler et al., 2015)., I alle disse studiene, støtte ble funnet for de fire-faktor skrå modell. Støtte ble også funnet for de høyere orden faktor modellen (Styck og Watkins, 2014). Selv om studien av Styck og Watkins (2014) rapporterte passer godt for bifactor modell, denne modellen ble avvist som det hadde en avvises løsning (en gjenværende avvik var negative). Studien av Thaler et al. (2015) fant støtte for to fem-faktor skrå modeller, basert på Cattell–Horn–Carroll (CHC) teoretisk modell av intelligens (McGrew, 2005)., En av disse modellene, kalt her skrå fem-faktor SS-modellen, og omfatter faktorer for krystallisert intelligens (Gc; bestående av Vokabular, Likheter og Forståelse), væske resonnement (Gf; bestående av Bilde Konsepter og Matrix Resonnement), visuell prosessering (Gv, bestående av Blokker Design og Symbol Søk), kortsiktige minne (Gsm; bestående av Digit Span-og Bokstav–Tall-Sekvensering), og PS (Gs; bestående av Symbol Søk og Koding). Denne modellen er også vist i Figur Figure11., Den andre modellen, kalt her skrå fem-faktor MR-SS-modellen, skilte seg fra de andre skrå fem-faktor SS-modellen ved å angi Matrix Resonnement subtest til å kryss-belastning på Gv faktor. Som vil være tydelig, både av CHC modeller er ikke ligner på WISC-IV inspirert skrå fire-faktor, høyere orden eller bifactor modeller.

I forhold til sammenligning av modeller, Styck og Watkins (2014) funnet bedre passform for høyere orden faktor modell enn den skrå fire-faktor modell. Thaler et al. (2015) fant at både deres fem-faktor modeller hadde bedre passform enn den skrå fire-faktor modell., Selv om den skrå fem-faktor MR-SS-modellen viste marginalt bedre passform enn den skrå fem-faktor SS-modellen, skrå fem-faktor SS-modellen ble vedtatt som en bedre modell som Matrisen Resonnement subtest i skrå fem-faktor MR-SS-modellen ikke legg betydelig på Gv faktor. For høyere orden faktor modellen testet av Styck og Watkins (2014), og for høyere for skrå fem-faktor SS-modellen rapportert av Thaler et al., (2015) den generelle faktoren forklart mer varians enn den spesifikke faktorer for alle subtests, med unntak av Koding og Symbol Søk (både PS subtests). I undersøkelsen av Styck og Watkins (2014), både Koding og Symbol Søke hadde omtrent lik på de generelle og PS spesifikke faktorer. I undersøkelsen av Thaler et al. (2015) Symbol Søk er lagt like på generell faktor og sin egen (PS) bestemt faktor, og Koding hadde en høyere legge på sin egen faktor (PS). For høyere faktor modeller i og Styck og Watkins (2014) og Thaler et al., (2015) studier, ECV av den generelle faktoren var omtrent det dobbelte av den totale ECV av alle spesifikke faktorer sammen. Styck og Watkins (2014) rapporterte også at de wh verdi for generell faktor (0.78) var mye høyere enn ws verdier av de fire spesifikke faktorer (alt fra 0.09 å 0.34), og dermed indikerer at bare FSIQ hadde lyd pålitelighet.,

Samlet, derfor er de fleste av funnene for faktor struktur av kjernen WISC-IV subtests hos barn med ADHD er sammenlignbare med eksisterende data involverer det generelle samfunnet og klinikk-referert barn, inkludert de med læring lidelser (Watkins et al., 2006, 2013; Watkins, 2010; Devena et al., 2013; Nakano og Watkins, 2013; Canivez, 2014; Styck og Watkins, 2016). På tvers av disse studiene, støtte har vært rapportert for skrå fire-faktor modellen og høyere orden faktor modell., Den CHC basert fem-faktor skrå modell og en høyere orden strukturen i denne modellen har også blitt støttet når alle 15 (core og supplerende) WISC-IV subtests ble undersøkt (Keith et al., 2006; Chen et al., 2009; Golay et al., 2013).

til Tross for likheter i funn på barn med ADHD og barn fra det generelle samfunnet og klinikker, vi ønsker å argumentere for at det er begrensninger i eksisterende funn på faktor struktur av WISC-IV hos barn med ADHD. For det første, det har bare vært tre studier som involverer barn med ADHD (Yang et al.,, 2013; Styck og Watkins, 2014; Thaler et al., 2015), med bare én studie rapportering om anvendelse av høyere orden faktor modellen (Styck og Watkins, 2014), og den skrå fem-faktor modellen (Thaler et al., 2015). Andre studien av Styck og Watkins (2014), den eneste studien som har testet anvendelsen av bifactor modell for barn med ADHD, ikke finne en tillatt løsning for denne modellen. Som denne studien brukte man et lite utvalg (N = 233), det er mulig at med 30 parametere som er estimert i bifactor modell, kan dette ha bidratt til avvises løsning., Gitt den generelt robust støtte for bifactor modell i samfunnet og klinikk-referert prøver, det er tenkelig at med større utvalg størrelser, bifactor modellen vil også bli støttet for barn med ADHD. Tredje, som påpekt av Styck og Watkins (2014), relevansen av alle sine funn for barn med ADHD er usikkert., Dette er fordi som skolen tverrfaglig evaluering lagene var ansvarlig for å gjøre valgbarhet beslutninger som måtte forholde seg til Personer Med nedsatt Funksjonsevne Utdanning Forbedring Act (2004), barn som er identifisert som å ha ADHD kan ikke sammenlignes med prøver av barn med ADHD diagnostisert i konvensjonelle barn mental helse klinikker., For det fjerde, som studiet av Styck og Watkins (2014) ikke vurdere medisinering status for deltakerne, kan det ikke utelukkes at deres funn ble ikke gjort til skamme av medisiner effekter, som langvarig bruk av medikamenter som har vist seg å påvirke IQ av barn med ADHD (Gillberg et al., 1997; Gimpel et al., 2005).,

en Annen begrensning er at selv om IQ har konsekvent vist seg å være assosiert med akademiske prestasjoner (Naglieri og Bornstein, 2003), i dag, ingen studier har undersøkt logisk gyldighet av faktorene i bifactor modell av WISC-IV, modellert i form av en generell faktor og den spesifikke faktorer som representerer indeksen skalaer (VC, PR, WM, og PS)., Ved hjelp av multippel regresjonsanalyse av observert score for WISC-IV FSIQ, VCI, PRI, WMI, og PSI, studier som involverer ikke-ADHD prøvene har rapportert at indeksen skårer gi bare litt ekstra varians i prediksjon av akademiske prestasjoner score, inkludert lesing og regning (Glutting et al., 2006; Canivez et al., 2014). En nyere studie (Beaujean et al.,, 2014), også med en ikke-ADHD eksempel at modellert alle core og supplerende tester av WISC-IV i form av Cattell–Horn–Carroll (CHC; Schneider og McGrew, 2012) teori om kognitive evner viste at den generelle faktoren hadde en sterkere tilknytning til lesing og matematikk enn noen av de spesifikke faktorer. Tilsvarende funn er rapportert for Wechsler Adult Intelligence Scale – Fjerde Utgave (WAIS-IV; Wechsler, 2008) bifactor modell med en generell faktor og faktorer for indeksen skalaer (Kranzler et al., 2015)., Basert på disse funnene, kan det bli spekulert i at den generelle intelligens faktor ville også være forbundet med akademiske evner til barn med ADHD. Imidlertid så lav leseferdighet (Gathercole et al., 2006; Alloway et al., 2009; Alloway og Alloway, 2010) og matematikk evne (Bull og Scerif, 2001; Swanson og Sachse-Lee, 2001) har vært knyttet til dårlig WM, og som WM feil har blitt sterkt assosiert med ADHD (Martinussen et al., 2005; Willcutt et al., 2005; Walshaw et al.,, 2010), WM bestemt faktor (som fanger WM evne som er uavhengig av den generelle intelligens) kan også være forbundet med akademiske prestasjoner evner.

Gitt eksisterende begrensninger, den første målet med denne studien var å undersøke faktor struktur av ti WISC–IV core subtests i en stor gruppe (N = 812) av barn med ADHD, alle direkte diagnostisert ved hjelp av DSM-IV-TR (American Psychiatric Association , 2000) ADHD kriterier., Da de var nye for psykisk helse-tjenester, ingen av dem hadde ikke vært på medisiner, og var ikke på medisiner når som helst før eller under testing. I tråd med tidligere modeller som støttes, studien undersøkt følgende modeller: en skrå første-for fire-faktor modellen, CHC-basert skrå fem-faktor SS-modellen, høyere orden og bifactor modeller basert på fire-faktor modellen, og en høyere orden faktor modell basert på de fem-faktor SS-modellen., Siden cross-faktor mønster koeffisientene er ikke tillatt i en CFA bifactor modell (som det forvrenger parameter estimater; Rios og Brønner, 2014), tilsvarende bifactor versjon av fem-faktor SS-modellen ble ikke testet det har cross-belastninger for Symbol Søk., For å redusere forvirring, skrå fire-faktor og fem-faktor modeller vil bli referert til som WISC/fire-faktor modellen og CHC/fem-faktor modellen, henholdsvis; jo høyere faktor for modeller med fire og fem viktigste faktorene vil bli referert til som WISC/høyere orden faktor modellen og CHC/høyere orden faktor modellen, henholdsvis, og bifactor modeller med fire faktorer vil bli referert til som WISC/bifactor modell. De fem modellene som er testet, er vist i Figur Figure11., Det andre målet med studien var å undersøke ECV, og modell-basert intern konsistens pålitelighet for faktorer i modellen som er valgt som den optimale modellen. Det tredje målet var å undersøke hvordan den generelle og spesifikke faktorer i bifactor modell spådd lesing og regning. Basert på tidligere funn som involverer barn med ADHD og barn generelt, vi har spådd støtte for alle modellene som er testet med WISC/bifactor modell blir den best passende modell., For denne modellen, forventet vi at med unntak av Koding og Symbol Søk faktor mønster koeffisienter av subtests på den generelle faktorer vil være relativt høyere enn på de spesifikke faktorer. Vi forventet også at ECV og wh verdier for generell faktor ville være relativt høyere enn ECV og ws-verdier for spesifikke faktorer. Vi forventet også den generelle faktoren og WM spesifikke faktorer for å forutsi lesing og regning evner.