Introduction
Attention deficit/hyperactivity disorder (ADHD) is een van de meest voorkomende kinderpsychologische stoornissen (diagnostic and statistical manual of mental disorders; DSM-5; American Psychiatric Association , 2013). De belangrijkste praktijkrichtlijnen voor ADHD, zoals dat van de Amerikaanse Academie van kind, en adolescente Psychiatrie (2007), hebben intelligentie het testen voor klinische evaluatie van kinderen met ADHD geadviseerd., De belangrijkste reden hiervoor is dat zo veel als 70% van kinderen met ADHD comorbide leerstoornissen (Mayes et al., 2000; Mayes and Calhoun, 2006), en kennis op het intellectuele niveau van een individu kan een beter begrip van leerstoornissen vergemakkelijken., Bovendien, aangezien de Wechsler Intelligence Scale for Children-Fourth Edition (WISC-IV; Wechsler, 2003) de vaakst gebruikte test van intelligentie is (Gresham en Witt, 1997), zou een uitgebreid begrip van zijn factorstructuur in kinderen met ADHD waardevol zijn aangezien het tot een beter begrip en meer valide informatie over de intellectuele, cognitieve, en het leren capaciteiten van deze groep zou kunnen leiden. De huidige studie onderzocht verschillende structurele modellen voorgesteld voor WISC-IV in een groep kinderen en adolescenten (voortaan aangeduid als kinderen) met ADHD.,de WISC-IV meet het intellectuele vermogen van kinderen van 6 tot 16 jaar. Het werd ontwikkeld om een algemene maatregel van algemene cognitieve capaciteit te verstrekken, en ook metingen van intellectueel functioneren in verbale begrijpend (VC), perceptuele redeneren (PR), werkgeheugen (WM) en verwerkingssnelheid (PS). De subschalen VC, PR, WM en PS geven scores voor respectievelijk de Verbal Comprehension Index (VCI), de Perceptual Reasoning Index (PRI), de Working Memory Index (WMI) en de Processing Speed Index (PSI)., Samen bieden de VCI, PRI, WMI en PSI het algemene niveau van intelligentie, of Full Scale IQ (FSIQ). Hoewel de volledige versie van de WISC-IV 15 subtests heeft, worden er slechts tien als kern beschouwd en worden ze vaker gebruikt bij het testen van intelligentie (Wechsler, 2003). De kern subtests voor VC zijn woordenschat, overeenkomsten, en begrip. De kernsubtesten voor PR zijn blokontwerp, Beeldconcepten en Matrixredenering. De kernsubtesten voor WM zijn Digit Span en Letter-Number Sequencing, en de kernsubtesten voor PR zijn codering en Symbol Search., De overige vijf subtests, die aanvullende subtests worden genoemd, zijn informatie en Woordredenering (deel van VC), Beeldaanvulling (deel van PR), rekenkunde (deel van WM) en annulering (deel van PS).
De factorstructuur voor de kernsubtesten van de WISC-IV is onderzocht in een aantal studies waarbij kinderen uit de algemene gemeenschap en kliniek werden betrokken, waaronder kinderen met leerstoornissen (bijv. Wechsler, 2003; Keith, 2005; Watkins et al., 2006; Sattler, 2008; Bodin et al., 2009; Watkins, 2010; devena et al., 2013; Nakano and Watkins, 2013; Watkins et al.,, 2013; Canivez, 2014; Styck and Watkins, 2016). Over deze studies, is steun gemeld voor een schuine vier-factor model, een hogere orde factor model, en een bifactormodel. Het schuine vier-factor model heeft factoren voor VC, PR, WM, en PS, overeenkomend met de subschalen voor VC, PR, WM, en PS. De hogere orde factor model heeft eerste-orde factoren voor VC, PR, WM, en PS, en een enkele hogere orde algemene factor., In dit model, de algemene factor vangt de gemeenschappelijke varianties van alle eerste-orde factoren, en de eerste-orde factoren vangen de covariantie over de subtests die de factoren omvatten. Het bifactormodel is een orthogonaal model, met vijf primaire factoren. In dit model worden alle subtests belast op een algemene factor, en elke subtestbelasting op zijn eigen specifieke factor (VC, PR, WM of PS)., De algemene factor vangt de covariantie van alle subtests, en de VC, PR, WM en PS specifieke factoren vangen de unieke covariantie van de subtests binnen hen na het verwijderen van de covariantie gevangen door de algemene factor. Zo vangen de specifieke factoren hun unieke variantie. De schuine vier-factor, de hogere orde factor, en de bifactormodellen worden weergegeven in Figuur Figuur11., Met uitzondering van de studie van Nakano and Watkins (2013), hebben de andere studies die het oblique four-factor model, het higher order factor model en het bifactormodel vergeleken meer steun voor het bifactormodel gemeld dan het Four-factor oblique model en het higher order factor model (Watkins, 2010; devena et al., 2013; Watkins et al., 2013; Canivez, 2014; Styck and Watkins, 2016). Nakano en Watkins meldden de meeste steun voor het higher order factor-model, hoewel het minimaal verschilde van het bifactor-model.,
voor het WISC-IV bifactor model hebben een aantal eerdere studies gerapporteerd over de verklaarde gemeenschappelijke variantie (ECV; Reise et al., 2013a), evenals de Omega hiërarchische (wh) en omega subtests (ws; McDonald, 1999; Zinbarg et al., 2005) van de algemene en specifieke factoren, respectievelijk. De ECV van een algemene factor is de gemeenschappelijke variantie die wordt verklaard door de algemene factor gedeeld door de totale gemeenschappelijke variantie. Het ECV van een specifieke factor is de gemeenschappelijke variantie die wordt verklaard door de specifieke factor gedeeld door de totale gemeenschappelijke variantie., De ECV van de algemene factor zal hoog zijn wanneer er weinig gemeenschappelijke variantie is dan die van de algemene factor. Dus hoge waarden wijzen op de aanwezigheid van een algemene dimensie in het bifactormodel (Reise et al., 2013a). De wh-waarde van de algemene factor kan worden geïnterpreteerd als een modelgebaseerde index van de interne consistentie betrouwbaarheid van de totale schaal (Brunner et al., 2012). De wh kan ook worden geïnterpreteerd als een schatter van hoeveel variantie in samengevatte (gestandaardiseerde) scores kan worden toegeschreven aan de enkele algemene factor (McDonald, 1999)., Het wordt verkregen door de hoeveelheid variantie verklaard door de algemene factor in een schaal te delen door de totale hoeveelheid variantie verklaard door alle items in de schaal. De ws-waarde van een specifieke factor kan worden geïnterpreteerd als een model-gebaseerde index van de interne consistentie betrouwbaarheid van de specifieke schaal, en een schatter van hoeveel variantie in samengevatte (gestandaardiseerde) scores kan worden toegeschreven aan de specifieke factor (McDonald, 1999; Brunner et al., 2012)., Het wordt berekend door de hoeveelheid variantie verklaard door de specifieke factor te delen door de totale hoeveelheid variantie verklaard door alle items in de schaal. De waarden voor wh en ws variëren van 0 tot 1, waarbij 0 geen betrouwbaarheid aangeeft en 1 een perfecte betrouwbaarheid. Volgens Reise et al. (2013a) hebben wh-en ws-waarden van ten minste 0,75 de voorkeur voor betekenisvolle interpretatie van een schaal.,
bestaande gegevens voor het WISC-IV bifactormodel laten zien dat de ECV van de algemene factor tussen de 2 en 3 keer meer is dan de gecombineerde ECV van de specifieke factoren, waarbij vrijwel alle variantie in de subtests veel meer wordt verklaard door de algemene factor dan de respectieve specifieke factoren (Watkins, 2010; devena et al., 2013; Watkins et al., 2013; Canivez, 2014; Styck and Watkins, 2016). Ook is de wh van de algemene factor veel hoger (variërend van 0,67 tot 0,87) dan de ws-waarden van de vier specifieke factoren (variërend van 0,10 tot 0,53; Watkins, 2010; devena et al.,, 2013; Watkins et al., 2013; Canivez, 2014; Styck and Watkins, 2016), het toevoegen van ondersteuning voor het gebruik van de fsiq score over de index scores. Deze bevindingen wijzen op steun voor de aanwezigheid van een algemene dimensie in het bifactormodel, en dat alleen de algemene factor zinvol kan worden geïnterpreteerd. Zij ondersteunen het gebruik van de totale score en niet van de indexscores van WISC-IV.
voor de kernsubtesten hebben ten minste drie studies de factorstructuur van WISC-IV onderzocht voor groepen kinderen met ADHD (Yang et al., 2013; Styck and Watkins, 2014; Thaler et al., 2015)., In al deze studies werd steun gevonden voor het vier-factor schuine model. Er werd ook steun gevonden voor het higher order factor model (Styck and Watkins, 2014). Hoewel de studie van Styck and Watkins (2014) goede pasvorm voor het bifactor-model meldde, werd dit model afgewezen omdat het een ontoelaatbare oplossing had (één resterende variantie was negatief). De studie van Thaler et al. (2015) vond ondersteuning voor twee vijf-factor schuine modellen, gebaseerd op de Cattell–Horn-Carroll (CHC) theoretische model van intelligentie (McGrew, 2005)., Een van deze modellen, hier genoemd de schuine vijf-factor SS-model, omvat factoren voor gekristalliseerde intelligentie (GC; bestaande uit woordenschat, overeenkomsten, en begrip), vloeiende redeneren (Gf; bestaande uit Beeldconcepten en Matrix redeneren), visuele verwerking (Gv; bestaande uit blokontwerp en symbool zoeken), korte termijn geheugen (Gsm; bestaande uit Cijferspanning en Letter–Nummer Sequencing), en PS (Gs; bestaande uit symbool zoeken en codering). Dit model is ook weergegeven in Figuur Figuur11., Het tweede model, dat hier het oblique five-factor MR-SS-model wordt genoemd, verschilde van het andere oblique five-factor SS-model door de Matrixredenerend subtest te specificeren om op de GV-factor te kruisen. Zoals duidelijk zal zijn, beide CHC modellen zijn niet vergelijkbaar met de WISC-IV geïnspireerde oblique vier-factor, hogere orde of bifactor modellen.
in termen van vergelijking van modellen, Styck and Watkins (2014) gevonden beter geschikt voor de hogere orde factor model dan de schuine vier-factor model. Thaler et al. (2015) vond dat zowel hun vijf-factor modellen beter pasten dan de schuine vier-factor model., Hoewel het oblique vijf-factor MR-SS-model marginaal beter paste dan het oblique vijf-factor SS-model, werd het oblique vijf-factor SS-model aangenomen als het betere model aangezien de Matrixredenerende subtest in het oblique vijf-factor MR-SS-model niet significant op de GV-factor belasting. Voor de hogere orde factor model getest door Styck en Watkins (2014), en voor de hogere orde schuine vijf-factor SS model gerapporteerd door Thaler et al., (2015) de algemene factor verklaarde meer variantie dan de specifieke factoren voor alle subtests, met uitzondering van codering en symbool zoeken (beide PS subtests). In de studie van Styck and Watkins (2014), zowel codering en symbool zoeken had ongeveer gelijk op de algemene en PS specifieke factoren. In de studie van Thaler et al. (2015) Symbol Search geladen even op de algemene factor en zijn eigen (PS) specifieke factor, en codering had een hogere belasting op zijn eigen specifieke factor (PS). Voor de hogere factor modellen in de en Styck en Watkins (2014) en Thaler et al., (2015) studies, de ECV van de algemene factor was ongeveer tweemaal de totale ECV van alle specifieke factoren samen. Styck and Watkins (2014) rapporteerden ook dat de WH-waarde voor de algemene factor (0,78) veel hoger was dan de ws-waarden van de vier specifieke factoren (variërend van 0,09 tot 0,34), wat aangeeft dat alleen de FSIQ geluidsbetrouwbaarheid had.,
in het algemeen zijn de meeste bevindingen voor de factorstructuur van de kern WISC-IV subtests bij kinderen met ADHD dan ook vergelijkbaar met bestaande gegevens met betrekking tot de algemene gemeenschap en kliniek-referred kinderen, met inbegrip van die met leerstoornissen (Watkins et al., 2006, 2013; Watkins, 2010; devena et al., 2013; Nakano and Watkins, 2013; Canivez, 2014; Styck and Watkins, 2016). Over deze studies, steun is gemeld voor het oblique vier-factor model en het hogere orde factor model., Het CHC gebaseerde vijf-factor schuine model en een hogere orde structuur van dit model zijn ook ondersteund wanneer alle 15 (kern en aanvullende) WISC-IV subtests werden onderzocht (Keith et al., 2006; Chen et al., 2009; Golay et al., 2013).
ondanks de overeenkomsten in de bevindingen bij kinderen met ADHD en kinderen uit de algemene gemeenschap en klinieken, willen we beargumenteren dat er beperkingen zijn in de bestaande bevindingen over de factorstructuur van WISC-IV bij kinderen met ADHD. Ten eerste zijn er slechts drie studies met kinderen met ADHD (Yang et al.,, 2013; Styck and Watkins, 2014; Thaler et al., 2015), met slechts één studie die rapporteert over de toepasbaarheid van het higher order factor model (Styck and Watkins, 2014), en het oblique five-factor model (Thaler et al., 2015). Ten tweede heeft de studie van Styck and Watkins (2014), de enige studie die de toepasbaarheid van het bifactormodel voor kinderen met ADHD heeft getest, geen aanvaardbare oplossing voor dit model gevonden. Aangezien deze studie een klein monster (n = 233) gebruikte, is het mogelijk dat met 30 parameters die in het bifactormodel moeten worden geschat, dit tot de ontoelaatbare oplossing zou hebben bijgedragen., Gezien de over het algemeen robuuste steun voor het bifactormodel in gemeenschap en kliniek-verwezen steekproeven, is het denkbaar dat met grotere steekproefgrootte, het bifactormodel ook voor kinderen met ADHD zal worden gesteund. Ten derde, zoals opgemerkt door Styck en Watkins (2014), is de relevantie van al hun bevindingen voor kinderen met ADHD onzeker., Dit is omdat als school multidisciplinaire evaluatie teams waren verantwoordelijk voor het maken van aanvaardbare beslissingen die had zich te houden aan de Personen Met een Handicap Onderwijs Wet Verbetering (2004), de kinderen geïdentificeerd als ADHD kan niet worden vergeleken met monsters van kinderen met ADHD gediagnosticeerd zijn in de conventionele kind psychiatrische klinieken., Ten vierde, aangezien de studie van Styck and Watkins (2014) de medicatiestatus van deelnemers niet in aanmerking nam, kan niet worden uitgesloten dat hun bevindingen niet werden verward door medicatieeffecten, aangezien is aangetoond dat langdurig gebruik van medicatie het IQ van kinderen met ADHD beïnvloedt (Gillberg et al., 1997; Gimpel et al., 2005).,
een andere beperking is dat, hoewel steeds is aangetoond dat IQ geassocieerd is met academische prestaties (naglieri en Bornstein, 2003), er momenteel geen onderzoek is verricht naar de voorspellende validiteit van de factoren in het bifactormodel van de WISC-IV, gemodelleerd in termen van een algemene factor en de specifieke factoren die de indexschalen vertegenwoordigen (VC, PR, WM en PS)., Met behulp van meerdere regressieanalyse van waargenomen scores voor WISC-IV FSIQ, VCI, PRI, WMI en PSI, studies waarbij niet-ADHD monsters hebben gemeld dat de index scores bieden slechts lichtjes extra variantie in de voorspelling van academische prestatie scores, met inbegrip van lezen en rekenkunde (Glutting et al., 2006; Canivez et al., 2014). Een recente studie (Beaujean et al.,, 2014), ook met een niet-ADHD steekproef die alle kern en aanvullende tests van WISC-IV in termen van de Cattell–Horn–Carroll (CHC; Schneider en McGrew, 2012) theorie van cognitieve capaciteiten modelleerde toonde aan dat de algemene factor een sterkere associatie met het lezen en rekenen dan om het even welke specifieke factoren had. Soortgelijke bevindingen zijn gemeld voor de Wechsler Adult Intelligence Scale – vierde editie (WAIS-IV; Wechsler, 2008) bifactormodel met een algemene factor en de factoren voor de indexschalen (Kranzler et al., 2015)., Gebaseerd op deze bevindingen, kan men speculeren dat de Algemene intelligentiefactor ook met de academische capaciteiten van kinderen met ADHD zou worden geassocieerd. Echter, als lage leescapaciteit (Gathercole et al., 2006; Alloway et al., 2009; Alloway and Alloway, 2010) en rekenkracht (Bull en Scerif, 2001; Swanson en Sachse-Lee, 2001) zijn gekoppeld aan slechte WM, en als wm defecten zijn sterk geassocieerd met ADHD (Martinussen et al., 2005; Willcutt et al., 2005; Walshaw et al.,, 2010), de WM specifieke factor (die WM vermogen dat onafhankelijk is van de algemene intelligentie vangt) kan ook worden geassocieerd met academische prestatiecapaciteiten.
gezien de bestaande beperkingen, was het eerste doel van de huidige studie om de factorstructuur van de tien WISC–IV kernsubtesten te onderzoeken in een grote groep (N = 812) kinderen met ADHD, allen direct gediagnosticeerd met DSM-IV TR (American Psychiatric Association , 2000) ADHD criteria., Omdat ze nieuw waren in de geestelijke gezondheidszorg, had geen van hen geen medicijnen gebruikt en waren ze op geen enkel moment vóór of tijdens het testen op medicatie. In overeenstemming met eerder ondersteunde modellen onderzocht de studie de volgende modellen: een schuine eerste-orde vier-factor model, de CHC-gebaseerde schuine vijf-factor SS-model, hogere orde en bifactor modellen gebaseerd op het vier-factor model, en een hogere orde factor model gebaseerd op het vijf-factor SS-model., Aangezien cross-factor patroon coëfficiënten zijn niet toegestaan in een CFA bifactor model (als het vervormt parameterschattingen; Rios and Wells, 2014), de equivalente bifactor versie van de vijf-factor SS model werd niet getest als het heeft kruis-loadings voor symbool zoeken., Om verwarring te verminderen, de schuine vier-factor en vijf-factor model, wordt aangeduid als de WISC/vier-factor model en CHC/vijf-factor model, respectievelijk; de hogere-orde-factor modellen met vier en vijf primaire factoren worden aangeduid als WISC/hogere-orde-factor model en CHC/hogere-orde-factor model, respectievelijk; en de bifactor modellen met vier specifieke factoren worden aangeduid als WISC/bifactor model. De vijf geteste modellen zijn afgebeeld in Figuur Figuur11., Het tweede doel van de studie was het onderzoeken van de ECV, en model-gebaseerde interne consistentie betrouwbaarheid voor factoren in het model gekozen als het optimale model. Het derde doel was om te onderzoeken hoe de algemene en specifieke factoren in het bifactormodel voorspelden lezen en rekenen. Op basis van eerdere bevindingen waarbij kinderen met ADHD en kinderen in het algemeen betrokken waren, voorspelden we steun voor alle geteste modellen, waarbij het WISC/bifactor-model het best passende model was., Voor dit model, we verwachtten dat met uitzondering van codering en symbool zoeken, de factor patroon coëfficiënten van de subtests op de algemene factoren relatief hoger zou zijn dan op de specifieke factoren. We verwachtten ook dat de ECV-en wh-waarden voor de algemene factor relatief hoger zouden zijn dan de ECV-en ws-waarden voor de specifieke factoren. We verwachtten ook de algemene factor en de WM specifieke factoren om het lezen en rekenkundige capaciteiten te voorspellen.