Wechsler intelligensskala for voksne – profiler i fjerde utgave av voksne med autismespekterforstyrrelse

Abstrakt

Mål.

I denne studien har vi sammenlignet 229 Wechsler Adults Intelligence Scale – Fourth Edition (WAIS-IV) kognitive profiler av voksne med autismespekterforstyrrelse med forskjellig alvorlighetsgrad for å bekrefte virkningen av flere variabler, inkludert kjønn, alder, utdanningsnivå og autismealvorlighetsnivå. i en italiensk prøve. Dessuten ønsket vi å finne ut de optimale kuttpunktene for de store intelligenskvotientene for å diskriminere autisme-alvorlighetsnivåer.

Metoder.

Wechsler Adult Intelligence Scale er et verktøy som brukes til å vurdere et individs intelligensnivå, inkludert flere dimensjoner som ordforråd, detaljert forståelse, mønstergjenkjenning, resonnement og numerisk hukommelse. Hukommelse er et viktig aspekt. Det er en viss sammenheng mellom dem.

Forskning viser at personer med høyere intelligensnivå har en tendens til å ha bedre minner. Dette kan verifiseres fra flere vinkler: For det første har individer med høy IQ en tendens til å ha sterkere evner til å lære og huske raskt og bruke kunnskap når de løser problemer; for det andre er personer med høy IQ bedre i stand til å lære og huske kunnskap. Forstå og analysere kunnskap og trekke ut nøkkelinformasjon; i tillegg kan individer med høy IQ mer effektivt integrere og koble kunnskap under langsiktig akkumulering av kunnskap for å fremme langsiktig lagring av minne.

Det er imidlertid verdt å merke seg at minne ikke er den eneste faktoren som bestemmer intelligensnivået. I tillegg til minne inkluderer intelligensnivå også mange andre aspekter, som resonnement, kreativitet osv. Derfor er det ikke nøyaktig nok å stole utelukkende på minnet for å estimere intelligensnivå. Wechsler Adult Intelligence Scale er designet for å vurdere flere indikatorer på en persons intelligensnivå for en mer nøyaktig vurdering.

Generelt er hukommelse et viktig aspekt av intelligensnivå. Wechsler Adult Intelligence Scale er et verktøy for omfattende vurdering av et individs intelligensnivå. Det kan hjelpe oss å forstå flere aspekter av et individs intelligensnivå mer nøyaktig, slik at vi bedre kan forstå individets intelligensnivå. Utvikle rimelige opplæringsplaner og pedagogiske retninger. Det kan sees at vi trenger å forbedre hukommelsen, og Cistanche deserticola kan forbedre hukommelsen betydelig fordi Cistanche deserticola er et tradisjonelt kinesisk medisinsk materiale som har mange unike effekter, hvorav en er å forbedre hukommelsen. Effekten av kjøttdeig kommer fra de ulike aktive ingrediensene den inneholder, inkludert syre, polysakkarider, flavonoider osv. Disse ingrediensene kan fremme hjernens helse på ulike måter.

Klikk på Kjenn korttidsminne hvordan du kan forbedre

Deltakerne ble rekruttert fra to nasjonale helsesystemsentre i to forskjellige italienske regioner og ble vurdert med gullstandardinstrumenter som en del av deres kliniske evaluering. I følge DSM-5 ble kognitive domener også målt med multikomponenttester. Vi brukte den italienske tilpasningen av WAIS-IV. Vi sjekket hypotesene våre ved å bruke lineære regresjonsmodeller og mottakeroperasjonskarakteristikk (ROC) kurver.

Resultater.

Resultatene våre viste at alder og utdanningsnivå har en sterk innvirkning på verbal forståelse (VCI) og arbeidsminneindekser (WMI). Kjønnsforskjeller er relevante når man vurderer VCI og Processing Speed ​​Index (PSI) der kvinner oppnådde best ytelse. Disse forskjellene er fortsatt relevante når man vurderer kuttpunkter for ROC fordi 69 resulterte i å være det optimale kuttpunktet for kvinner, og 65 for menn.

Konklusjoner.

Få konklusjoner kan kun antas ved å undersøke Full Scale Intelligence Quotient (FSIQ)-skårer da de inkluderer forskjellig informasjon om bredere kognitive evner. Å se dypere på hovedindeksene og deres subtestfunn stemmer overens med tidligere forskning på lidelsen (moderat korrelasjon av FSIQ, Perceptual Reasoning index, WMI og PSI med deltakernes alder), mens andre resultater er uforutsette (ingen effekt av sex funnet på FSIQ-score) eller ny (signifikant effekt av utdanning på VCI og WMI). Ved å bruke en algoritme som forutsier optimale kuttpunkter for å diskriminere gjennom autisme-alvorlighetsnivåer, kan det hjelpe klinikere til bedre å merke og kvantifisere den nødvendige hjelpen en person kan trenge, en test kan ikke erstatte diagnostisk og klinisk evaluering av erfarne klinikere.

Introduksjon

Autismespektrumforstyrrelse (ASD) er en nevroutviklingsforstyrrelse med tidlig debut og en genetisk komponent. ASD er preget av mangler i sosio-emosjonell gjensidighet, svekkede verbale og ikke-verbale kommunikasjonsevner og manglende evne til å utvikle og opprettholde tilstrekkelige sosiale relasjoner med jevnaldrende. ASD kjernesymptomer er assosiert med tilstedeværelsen av repeterende verbal og motorisk atferd, begrensede mønstre av interesse, behov for et uforanderlig miljø (eller i alle fall forutsigbart og stabilt), og hypo- eller overfølsomhet for sensoriske input. Utbruddet av kliniske symptomer skjer i de første leveårene (APA, 2013). Spesifikatoren vurderer muligheten for flere komorbiditeter, for eksempel kognitivt underskudd, språksvikt, katatoni, medisinske eller miljømessige faktorer eller andre nevroutviklingsforstyrrelser.

Nyere prevalensestimater indikerer 1:44 barn i USA og 1:77 barn i Italia (Maenner et al., 2016). Voksnes prevalens er rundt 1:68, noe som viser en betydelig økning i populasjonen av voksne med ASD (Christensen et al., 2016). Ved siden av denne faktoren er et annet relevant element å vurdere kjønnsforholdet på tvers av autister (Loomis et al., 2017) som fortsatt er omdiskutert og viser blandede resultater. Kjønnsbundne genetiske faktorer og mannlig sårbarhet for hjernefornærmelse kan forklare noen av kjønnsforskjellene (APA, 2013). Nyere epidemiologiske studier avslørte en mannlig overvekt på 2–3:1 sammenlignet med det mye siterte forholdet 4–5:1 fra tidligere studier (Mattila et al., 2011; Idring et al., 2012; Baxter et al., 2015; Zablotsky et al. al., 2015; Keller et al., 2020) selv om dette forholdet kan avhenge av intellektuelle evner og det ser ut til å være så lavt som 2:1 når ASD er assosiert med intellektuell funksjonshemming, og så høyt som 6–8:1 ved høytfungerende autisme (HFA; Fombonne, 2005, 2009). Det antas at denne høyere mannlige prevalensen skyldes autistiske kvinners evne til å maskere sine sosiale vanskeligheter, kulturelle faktorer og et mindre antall studier på ASD i den kvinnelige befolkningen (Attwood, 2007; Lai et al., 2011; Kirkovski et al., 2013) og forskjellige ASD-fenotyper (Mandy et al., 2012; Van Wijngaarden-Cremers et al., 2014; Howe et al., 2015). En fersk studie av Wilson et al. (2016) som involverte 1244 voksne (935 menn og 309 kvinner) henvist til ASD-vurdering rapporterte kjønnsforskjeller i klinisk utfall. Resultatene konkluderte med at 639 menn og 188 kvinnelige mennesker ble diagnostisert med ASD av en hvilken som helst undertype. Faktisk, i studien, ingen signifikant effekt av sex (mannlig IQ > kvinnelig IQ; F(2)=2.47, p=0.09, η2 p=0.02) på IQ ble funnet. Når det gjelder intelligensresultater, bekreftet resultatene deres tidligere forskning som rapporterte lavere IQ-score hos kvinner med diagnosen ASD sammenlignet med mannlige deltakere (Fombonne, 2005). Faktisk fant Halpern og LaMay (2000) ingen signifikant kjønnsforskjell for g-faktoren, mens kjønnsforskjeller spiller en rolle når det gjelder prestasjoner på deltester og indeksnivå ved å bruke Wechsler Intelligence Scale for Adults – 4th Edition (WAIS-IV; Wechsler, 2013) .

Studier på den typiske utviklingspopulasjonen (TD) som undersøkte kjønnsforskjellene ved å bruke undertester og avledede indekser fra WAIS-IV, fremhevet bedre prestasjoner for menn i IQ, Verbal Comprehension (VC), Perceptual Reasoning (PR) og Working Memory (WM) indekser ( Longman et al., 2007; Irwing, 2012; Daseking et al., 2017). I stedet var Processing Speed ​​(PS)-indeksen den eneste der kvinner hadde bedre resultater. Disse resultatene var i tråd med en italiensk studie av Pezzuti et al. (2020) som fant at menn presterte betydelig bedre enn kvinner i den aritmetiske deltesten og WMI i WAIS-IV. I deres studie som sammenlignet ytelsen til TD på WAIS-R og WAIS-IV, virket kjønnsforskjeller bredere og mer omfattende i WAIS-R-utvalget, som andre tidligere forfattere nevnte ved å bruke WAIS-III (Dolan et al., 2006; Van der Sluis et al., 2006). En faktoranalysestudie fra Colom og Garcia-Lopez (2002) skisserte at det ikke er noen kjønnsforskjeller i generell evne (g) på den spanske standardiseringen av WAIS-III. Forfatterne uttalte at de gjennomsnittlige kjønnsforskjellene som favoriserer menn må tilskrives spesifikke gruppefaktorer og testspesifisitet. Likeledes, resultater oppnådd av Van der Sluis et al. (2006) ved bruk av nederlandsk WAIS-III indikerer forskjeller mellom menn og kvinner i ytelse angående spesifikke kognitive evner, men ikke i generell intelligens (g). I motsetning til det, for det amerikanske standardiseringsutvalget av WAIS-III, rapporterte Irwing (2012) kjønnsforskjeller ikke bare med hensyn til spesifikke evner, men også i g. Menn presterte bedre enn kvinner i generell intelligens [Full Scale Intelligence Quotient (FSIQ)] og på deltester som Informasjon, Aritmetikk og Symbol-Search, mens kvinner presterte bedre enn menn på Processing Speed ​​Index (PSI).

Utdanningsnivå (Ceci og Williams, 1997; Gustafsson, 2001) og alder bidrar også til forståelsen av forskjeller i IQ-utfall. Ceci (1991) antyder at jo flere år med utdanning, jo bedre kognitive ferdigheter. Dette fenomenet skyldes utstilling av kontekster som lar folk lære relevant informasjon, konsentrere seg om problemer, og det lærer frem tilnærminger til kognisjon som flertallet av intelligenstestene er basert på. Resultater fra en italiensk studie (Tommasi et al., 2015) viste at WAIS-R oppdager individuelle forskjeller i intelligens riktig målt ved IQ-score på ulike utdanningsnivåer. Faktisk er det en gjennomsnittlig økning som tilsvarer 1,9 IQ-poeng i den globale sammensatte poengsummen for IQ per år med utdanning. Som tidligere antydet, må alder vurderes når man tar hensyn til IQ-forskjeller og effektivitet over tid (Baltes et al., 1998; Schaie og Willis, 2010). De fleste studiene fokuserte på nøkkelrollen til arbeidsminne og dets forbindelse til generelle evner. Det har blitt hevdet at det i TD spilles en betydelig skadelig effekt av alder på arbeidsminneressurser (Craik og Salthouse, 2008; Robert et al., 2009).

Så profilen av intelligensnivå er en av de relevante faktorene som må vurderes når man diagnostiserer personer med ASD, sammen med andre kognitive, nevropsykologiske, sosiodemografiske og kjernesymptomer (Happé et al., 2016). Å erkjenne hvordan personer med ASD kan variere på denne konstruksjonen, kan være avgjørende for å identifisere ASD-undertyper (Grzadzinski et al., 2013). Derfor endres ASD-undertyper i henhold til ulike kognitive evnemønstre (Grzadzinski et al., 2013). Likevel er det ingen særegne IQ-profiler for individer med ASD (Siegel et al., 1996; Ghaziuddin og Mountain-Kimchi, 2004; Goldstein et al., 2008; Williams et al., 2008; Charman et al., 2011). Intellektuelle evner har vært mer utfordrende å vurdere hos personer med ASD på grunn av deres egenskaper og vurderingsverktøy. Mange forskere fokuserte på barn, men få forfattere studerte kognitive ytelsesmønstre hos voksne med ASD og hvordan disse mønstrene kan skille alvorlighetsnivåer og typiske ytelseskonfigurasjoner. WAIS-IV (Wechsler, 2013) er den mest brukte og fornyede kognitive ytelsestesten for vurdering av verbale voksne med ASD. Andre standardiserte mål for intelligens inkluderer Stanford–Binet (f.eks. Roid, 2003), Ravens progressive matriser (RPM; Raven et al., 1998) og Leiter-3 (Roid et al., 2013). Bruken av Wechsler-skalaer har blitt støttet av flere studier (Filipek et al., 1999; Mottron, 2004). Likevel har tidligere forskning fremhevet hvordan RPM (Raven et al., 1998) kan være mer tilstrekkelig for å beskrive den kognitive profilen til personer med ASD (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011). Faktisk, som påpekt av Dawson et al. (2007) kan Wechsler-skalaen undervurdere intelligensen til individer med ASD hovedsakelig på grunn av dens vekt på verbal instruksjon og oppgaver. Strukturen og egenskapene til RPM, egnet for flytende resonneringsoppgaver, kan imidlertid være et mer passende mål på intelligensen til personer med ASD. Resultatene av sammenligningen mellom ytelsen til Wechsler og RPM-skårer for voksne med og uten ASD fremhevet en signifikant høyere ytelse for ASD-gruppen på RPM sammenlignet med TD-gruppen, hvis ytelse på tvers av skalaene var uten signifikante forskjeller. Imidlertid gjorde IQ-avviket mellom personer med ASD og TD den dyptgående forståelsen av forskjellene i kognitive ytelser til ASD-personer som bruker RPM og Wechsler-skalaen. Resultater fra en separat, men relatert studie tyder på at høyere ytelse på RPM sammenlignet med Wechsler-målene primært forekommer for personer med ASD med kognitiv svikt (Bölte et al., 2009). Holdnack et al. (2011) sammenlignet prestasjoner mellom kontrollgruppen, HFA og Asperger lidelse (AS) i WAIS-IV deltestene. Ingen statistisk signifikante forskjeller mellom AS- og kontrollgruppene ble funnet, mens HFA-gruppen hadde de laveste skårene. Imidlertid avslørte både ASD og kontrollgruppenes prestasjoner på Matrix Reasoning og Digits Forward ingen signifikante forskjeller. Når det gjelder undertester for koding, skilte alle tre gruppene seg signifikant fra hverandre. Til slutt, i Visual Puzzles der HFA-gruppen presterte betydelig dårligere enn kontrollgruppen, skilte ikke AS-gruppen seg fra verken HFA- eller kontrollgruppen.

Oppsummert er flere demografiske variabler assosiert med forskjellige kognitive nivåevner i TD. Basert på vår kunnskap, evaluerte imidlertid ingen studie effekten av alder, kjønn, utdanningsnivå og autismenivå på kognitive prestasjoner til personer med ASD målt med italiensk WAIS-IV i et stort utvalg. Så i denne studien testet vi flere hypoteser:

(1) Test assosiasjonen mellom de demografiske variablene og nivået av autisme med FSIQ, hovedindekser og deltester, som et foreløpig trinn for videre og dyptgående analyser. Det var forventet en moderat korrelasjon mellom alder og utdanningsnivå og FSIQ og hovedindeksene.

(2) Forutsatt at FSIQ ikke grundig kunne forklare styrker og svakheter til personer med ASD vurdert med WAIS-IV, ønsket vi å identifisere om i likhet med TD, signifikante effekter av de uavhengige variablene ble funnet på de fire indeksene sammen (VCI, WMI , PRI, PSI) og de underliggende deltestene. Spesielt forventet vi ingen kjønnsforskjeller i FSIQ på begge nivåer av autisme; signifikante effekter av alder og utdanningsnivå på VCI, WMI og PSI; og ASD kvinnelige deltakeres bedre prestasjoner på PSI.
(3) Til slutt ønsket vi å teste hypotesen om at bedre ytelse på de fire indeksene kan forutsi mindre alvorlige autistiske symptomer. Faktisk ble optimale grenseverdier for diskriminerende autismealvorlighetsnivåer ved bruk av WAIS-IV undersøkt.

Metoder

Deltakere

Totalt ble 270 voksne med ASD (Mage=26.3 SD=9.35) evaluert ved Regional Center for Autism Spectrum Disorder i Torino og Regional Center for Autism i L 'Aquila (Italia). Regional Center of ASL Citta di Torino er en nasjonal avdeling for psykisk helsevesen som tilbyr tjenester for personer med ASD. Senteret tilbyr klinisk vurdering og psykologiske og pedagogiske intervensjoner for personer med autisme (Keller et al., 2{{108}}20). Det regionale referansesenteret for autisme – en struktur i Abruzzo Region Health System – utfører diagnostiske, kliniske og konsulentaktiviteter og tilbyr behandlinger for personer med ASD. De fleste av pasientene ble henvist av allmennpsykiateren for en ASD-vurdering og kom enten til senteret for første gang eller returnerte for en oppfølgingsvurdering. Alle diagnosene ble stilt i henhold til Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5) (APA, 2013) kriterier som tar i betraktning klinisk anamnese, klinisk intervju, kognitiv vurdering med WAIS- IV (Orsini og Pezzuti, 2013), diagnostisk evaluering med ADI-r (Rutter et al., 2003) og ADOS-modul 4 (Lord et al., 2002) eller RAADS (Ritvo et al., 2011) ), etter strukturert diagnostisk vei (multistep nettverksmodell, Keller et al., 2020). Av hele utvalget fikk 169 personer diagnosen ASD med nivå 1 (mann=75%, Medu=12.4, SD=2.64; kvinnelig=25%, Medu=13.6, SD=2.91), 60 med ASD-nivå 2 (hann=75 %, Medu=10.9, SD=2.18; kvinne=25%, Medu=11.3, SD=2.47) og 39 med ASD nivå 3 (mann=79%, Medu=10.9, SD=1.96; kvinnelig = 21 %, Medu=11.5, SD=1.60). For å bli inkludert i studien fikk alle pasientene en formell klinisk diagnose av ASD i henhold til DSM-5 (APA, 2013) kriterier. Personer med komorbid psykopatologi (n=42) ble inkludert bare hvis de enten var i remisjon eller hadde minimal innvirkning på daglig funksjon. Totalt 3,9 % med ASD nivå 1 og komorbide depressive lidelser (mann=3 %, kvinne=0,9 %), 3,49 % med ASD nivå 1 og personlighetsforstyrrelser (mann=2). 18 %, kvinner=1,31 %), 2,18 % med ASD nivå 1 og spesifikke læringsforstyrrelser (menn=1,31 %, kvinner=0,87 %), 1,31 % personer med ASD nivå 1 (mannlig=0,43 %, kvinnelig=0.86 %) og 0,43 % menn med ASD nivå 2 og tvangslidelser, 1,31 % med ASD nivå 1 og epilepsi (mann=0,87 %, kvinne = 0,43 %), 1,31 % med ASD nivå 1 og angstlidelse (mann = 0,43 %, kvinne=0.87 %), 1,31 % med ASD nivå 1 og schizofreni (mannlig=0,87 %, kvinnelig=0,43 %), 0,87 % med ASD nivå 1 og oppmerksomhetssvikt/hyperaktivitetsforstyrrelse (mannlig {{ 112}},43 %, kvinner = 0,43 %), 0,87 % med ASD-nivå 1 og utviklingskoordinasjonsforstyrrelse (mann=0,43 %, kvinne=0,43 %), 0,43 % kvinner med ASD nivå 1 og Turner syndrom, 0,43 % menn med ASD nivå 2 og Tourette syndrom, 0,43 % med ASD nivå 1 og kjønnsdysfori ble inkludert.

Totalt ble 39 deltakere med nivå 3 og to deltakere med nivå 2 ekskludert fra det opprinnelige utvalget fordi de ikke var egnet for en verbal kognitiv evaluering med WAIS-IV siden deres kommunikasjon var gjennom gester eller andre alternative kommunikasjonssystemer.

Alle demografiske variabler og kjennetegn ved det endelige utvalget er presentert i tabell 1.

målinger
Data om kognitive evner ble samlet inn ved hjelp av WAIS-IV (Wechsler, 2013). WAIS-IV brukes til å vurdere den intellektuelle profilen til personer mellom 16 og 90 år. Den er sammensatt av fire skårer og en generell intelligensindeks. De fire indeksene er VCI, PRI, WMI og PSI. Hver indeks er sammensatt av to eller tre deltester som kreves for å oppnå total IQ-poengsum. De ti kjernedeltestene er vokabular, informasjon, likheter, sifferspenn, aritmetikk, blokkdesign, matriseresonnering, visuelle gåter, koding og symbolsøk. Den inneholder også fem ekstra undertester: forståelse, bokstav-bokstav-tall-sekvensering, figurvekter, bildefullføring og kansellering. I utvalget vårt brukte vi ti-kjerne-deltestene for alle ASD-personer og nivåer. Vi beregnet deltestskårene, indeksenes poengsum og fullskala IQ-indeksen. Hver råscore ble korrigert med italienske standardiseringsskårer av WAIS-IV (Orsini og Pezzuti, 2013).

WAIS-IV og hele den psykologiske evalueringen ble administrert av en autorisert psykolog i et stort og lyst rom i en økt fra 45 min til 1,5 time.

Strukturen til WAIS-IV og dens indekser og deltester er representert i tabell 2.

Alderen til hver deltaker ble beregnet på tidspunktet for WAIS-IV-administrasjonen og uttrykt i heltall.

Nivå av autisme ble klassifisert i tre forskjellige nivåer som angitt i DSM-5 (APA, 2013), slik at nivå 1 var det mindre alvorlige mens nivå 3 var det mest alvorlige. Alvorlighetsgraden ble vurdert gjennom kliniske intervjuer gjort av to uavhengige psykologer og en psykiater med deltakere og omsorgspersoner. Til slutt, i en siste gjenforening, diskuterte og ble hele det profesjonelle teamet enige om ett av de tre nivåene av støtte som kreves av personen.

År med utdanning ble samlet inn med tanke på at hvert skolesyklusår var fullstendig fullført. Eventuelle avbrutt undervisningsår ble ikke lagt til tallet. Med tanke på det italienske obligatoriske utdanningssystemet ble det derfor tildelt 5 år hvis en person fullførte den første skolesyklusen. Andre 3 år ble gitt hvis en person fullførte andre skolesyklus. Til slutt ble 5 år vurdert dersom en person fullførte siste obligatoriske utdanningssyklus. Dessuten ble det gitt 3 til 5 års tilleggsutdanningsår dersom en person fullførte en bachelor- eller mastergrad.

Psykopatologisk komorbiditet ble ansett som en dikotom variabel når det gjelder tilstedeværelse eller fravær av noen lidelse.

Dataanalyse

En analytisk tilnærming ble brukt for å bedre beskrive og forstå dataene som ble samlet inn. Til å begynne med ble deskriptive og korrelasjonsanalyser kjørt for å utforske data og fordelingen av variablene på tvers av ASD-nivåer og for å bestemme om det var en sammenheng mellom variablene av interesse. En moderat assosiasjon mellom variabler representerer en av betingelsene for å utforske årsak-virkning-fenomener gjennom dybdegående påfølgende analyse.

Faktisk, for bedre å forstå effekten av sosiodemografiske og ASD-relaterte variabler på kognitive ytelsesindekser, ble lineære regresjonsmodeller brukt til å analysere effekten av alder, utdanning, ASD-nivå, kjønn og komorbiditet på WAIS-IV-indekser. Lineær regresjon er en prediktiv analyse som brukes til å bestemme om et sett med prediktorvariabler (uavhengige variabler) forutsier et utfall (avhengige variabler). Gjennom analyse av varianstesten evaluerte vi en "overordnet" effekt tatt i betraktning forskjellene mellom gjennomsnittene. I stedet ble p-verdien for hvert gjennomsnitt i regresjonsmodellene brukt for enkelt å forstå hvilket gjennomsnitt som er forskjellig fra referansen.

I en kaskadetilnærmingsmodell utførte vi dessuten en mer dyptgående analyse og vurderte hver indeks som en avhengig variabel og sosiodemografiske og ASD-relaterte variabler som kovariater. For de påfølgende analysene utførte vi en multivariat analyse av kovarians (MANCOVA) for å vurdere for statistiske forskjeller på flere kontinuerlige avhengige variabler – de fire WAIS-IV-indeksene – ved to uavhengige grupperingsvariabler, mens vi kontrollerte for en eller flere variabler kalt kovariatene. Gjennom MANCOVA laget vi en modell med fire avhengige variabler (de fire WAIS-IV-indeksene), kjønn, ASD-nivå og komorbiditet som uavhengige variabler og alder og utdanning som kovariater. Etter hvert gjentok vi den samme analysen ved å bruke hver indekss undertester som de avhengige variablene, kjønn, ASD-nivå og komorbiditet som uavhengige variabler og alder og utdanning som kovariater.

På samme måte, i samsvar med det tredje målet med forskningen, ønsket vi å diskriminere mellom ASD-alvorlighetsnivåer. Arealet under kurven (AUC) og mottakerdriftsegenskaper (ROC) (Metz, 1978; Zweig og Campbell, 1993) ble brukt til å inspisere ytelsen til de to ASD-nivågruppene på WAIS-IV sammensatte indekser. ROC–AUC avslører hvor mye de fem sammensatte WAIS-IV-skårene er i stand til å skille mellom ASD-alvorlighetsnivåer. Jo høyere AUC, desto bedre er modellen til å skille mellom deltakere med 1 og 2 alvorlighetsnivåer. En ROC er et plott av sann-positiv rate (sensitivitet) v. falsk-positiv rate (1-spesifisitet) assosiert med alle mulige grenseverdier for et mål. AUC er et mål på diagnostisk nøyaktighet og prediktiv validitet som kan brukes til å sammenligne den prediktive verdien av forskjellige mål. AUC kan variere mellom 0.5 (tilfeldig diskriminering) og 1 (perfekt diskriminering)

For analysen brukte vi programvaren R Studio (R Studio Team, 2020) og Jamovi (The Jamovi Project, 2021).

Resultater

For statistisk analyse ble to voksne med nivå 2 og 39 voksne med nivå 3 ekskludert fordi de ikke kunne vurderes med WAIS-IV. Så det endelige utvalget var sammensatt av 229 personer på nivå 1 og 2. Den beskrivende statistikken for utvalget og de fire indeksene er presentert i tabell 3. For en bedre forståelse av datafordelingen på tvers av nivåene og indeksene, presenterte vi histogrammer med en tettheten til FSIQ og de fire indeksene i fig. 1.

I enkel korrelasjonsanalyse (se tabell 4) var alder signifikant korrelert med FSIQ (r=0.300, p < 0.001), VCI (r = 0.323, p { {7}}.01), PRI (r=0.214, p=0.001), WMI (r=0.247, p< 0.001) and PSI (r = 0.235, p < 0.001). A relevant result was the absence of significance between block design and age (r = 0.084, p = 0.207). A similar result was found between Arithmetic and age (r = 0.206; p = 0.002). Level of education was significantly correlated with FSIQ (r = 0.376, p < 0.001), while the stronger association was only with the VCI (r = 0.264, p < 0.001) and its subtests, Similarities (r = 0.346, p < 0.001), Vocabulary (r = 0.387, p < 0.001) and Information (r = 0.366, p < 0.001). Although no significant correlation between the level of education and WMI was found, Arithmetic was moderately correlated with the level of education (r = 0.301; p < 0.001).

Alle assosiasjonene mellom hovedindeksene og deltestene var signifikante (p < 0.001).

I lineære regresjonsmodeller vurderte vi felleseffektene av kjønn, utdanningsnivå, autismenivå, alder og komorbiditet på FSIQ. I modell 1, alder (=0.371; t=2.779; p=0.006), nivå av autisme ( {{7 }} −35,205; t=−12,636; p < 0,001) og utdanningsnivå (=1.530; t=3.268; p < 0.001) var signifikante, noe som tyder på at jo høyere alder, nivå av autisme og utdanning, jo bedre FSIQ-score. Modell 1 forklarte 54,3 % av variansen i FSQI-score (R2 justert=0.512, F(4, 224)=60.9, p < 0,001). Ingen signifikante effekter av komorbiditet ble funnet på FSIQ (= 0.479; t = 0.153; p=0.87).

Ved å bruke multivariate multiple regresjonsmodeller med MANCOVA testet vi forskjellige hypoteser. I modell 2 vurderte vi felleseffektene av de forrige modellen uavhengige variabler separat på de fire indeksene (VCI, PRI, WMI, PSI). Kjønn (F=8.23; p < 0.001), alder (F=4.54; p=0. 002), utdanningsnivå (F = 3.53; p=0.008) og nivå av autisme (F=63.80; p < 0,001) har en betydelig innvirkning på de fire indekser når de vurderes sammen. Ingen signifikante effekter ble funnet tatt i betraktning de felles effektene av kjønn og nivå av autisme på de fire indeksene (F=1.95; p=0.103) eller av komorbiditeter (F=1.77 ; p=0.135). Derfor antyder modell 2 at mannlige pasienter presterer bedre enn kvinner, og jo høyere utdanningsnivå og alder, jo bedre skårer de fire indeksene. Med tanke på den direkte effekten av variablene på hver enkelt indeks fant vi faktisk at effekten av sex var statistisk signifikant på VCI (F=4.429; p=0.036) og PSI (F {{ 30}}.835; p=0.001) og forble signifikant når felleseffekten med nivå vurderes på PSI (F=6.788; p=0.010). Utdanning har en statistisk signifikant effekt på VCI (F = 12.374; p ⩽ 0.001) og WMI (F=8.288; p=0.004).

I de følgende multivariate multiple regresjonsmodellene evaluerte vi effekten av kjønn, alder, utdanning, autismenivåer og komorbiditeter på kjernesubtestene til de fire indeksene. Digit Span og Arithmetic ble betraktet som kjerneundertestene til WMI. Resultatene fremhevet signifikant effekt av nivå av autisme (F {{0}}.036; p < 0.001), alder (F=3.832; p=0.023) og utdanning (F=4.244; p=0.016) på begge deltestene. Ingen effekter av komorbiditeter ble funnet på WMI-undertester (F=0.121; p=0.886).

Med tanke på kjerneundertestene til VCI, kjønn (F {{{{10}}}}.859; p = 0.038), utdanningsnivå (F=4.822; p=0.003), nivå av autisme (F=73.258; p < 0.001) og alder (F=5.932; p < 0.001) hadde en statistisk signifikant innvirkning på likheter , ordforråd og informasjon. Hvis vi ser på resultatene til de univariate testene, har kjønn en signifikant innvirkning bare på ordforråd (F=7.337; p=0.007) uten betydning for likheter og informasjon. Ingen effekter av komorbiditeter ble funnet på VCI-undertester (F=0.623; p=0.601).

Faktisk, for effektene på Block Design, Matrix Reasoning og Visual Puzzles, var nivået av autisme den eneste kovariaten med en sterk innvirkning på de tre deltestene (F {{0}}.375; p < 0,001) . Ingen andre relevante resultater ble funnet bortsett fra en liten signifikant effekt av kjønn og autismenivåer på VP (F=4.433; p=0.036).
Den siste modellen vurderte effekten av variabler på symbolsøk og koding og avslørte en signifikant effekt av sex (F {{0}}.21; p=0.006), nivå av autisme (F { {4}}.29; p < 0.001), og interaksjonen mellom kjønn og nivå av autisme (F=3.22; p=0.042) på de to deltestene. Imidlertid har effekten av variablene isolert på hver deltestalder en statistisk signifikant innvirkning på symbolsøk.

ROC-resultater er presentert i tabell 5. I følge den forrige analysen var kjønn statistisk forskjellig på flere indekser og deltester, og på grunn av den lille kvinnelige prøvestørrelsen bestemte vi oss for å behandle menn og kvinner separat. I tabell 5 brukte vi ROC på kvinnelige (n=57) og mannlige (n=172) prøver. Ulike cut-points ble funnet å være diskriminerende mellom nivå 1 og 2 med tanke på FSIQ. Hver indeks skilte seg statistisk signifikant fra sjansenivået (=0.05).

I det kvinnelige utvalget skiller en skår på 69 mellom nivåer, mens et område som varierer fra 65 til 69 skårer kan skille mellom menn med forskjellige autismenivåer. VCI skiller mellom nivå 1 og 2 med en poengsum på 74 hos kvinnelige deltakere. Mens hos mannlige deltakere varierer det kliniske området å vurdere fra 67 til 76. PRIs beste poengsum for en kvinnelig prøve er 79, mens for den mannlige prøven er en poengsum på 77 det beste kompromisset med tanke på sensitivitet og spesifisitet. Når det gjelder WMI, resulterte et cut-point på 69 i en sterk parameter for å skille nivå 1 og 2 autisme hos kvinner. For den mannlige befolkningen er et adekvat cut-point 72 med god sensitivitet og spesifisitet. Til slutt, for PSI, i den kvinnelige utvalget, var 81 et godt kuttpunkt, mens for den mannlige utvalget var det gode kuttpunktet 70.

Diskusjon

Begrensede forskere fokuserte på en dybdestudie av den kognitive profilen til voksne med autisme i internasjonal kontekst og ingen forskning i italiensk kontekst (Fombonne, 2005; Wilson et al., 2016). Så vidt vi vet, fokuserte flertallet av forfatterne på kognitive og sosiale prestasjoner til barn eller ungdom med ASD (Bodner et al., 2014). Flere studier fokuserte på å sammenligne den kognitive ytelsen til voksne med ASD med TD eller HFA med AS og TD (Holdnack et al., 2011). Ingen av dem undersøkte effekten av sosiodemografiske variabler på kognitive prestasjoner til personer med ASD. Så i vår forskning utforsket vi den kognitive profilen til voksne med ASD som nådde en klinisk diagnose. Etter å ha utforsket data med beskrivende analyser, utførte vi en korrelasjon av fullskala, primærindeksskalaer og hovedsubtest- og sosiodemografiske variabler. Resultatene viste at FSIQ, PRI, WMI og PSI korrelerer moderat med deltakernes alder. Mer spesifikt antas det at utdanningsnivået har en betydelig innvirkning på kognitive ferdigheter målt ved WAIS-IV-indekser (Ceci, 1991; Baltes et al., 1998; Schaie og Willis, 2010; Pezzuti et al., 2019; Borella et al., 2020). I stedet er et interessant resultat den nesten uavhengige deltesten Block Design fra alder og utdanning som kan betraktes som en kulturelt og aldersuavhengig deltest i vårt utvalg.

Deretter brukte vi en kaskadetilnærming, og analyserte først fullskalaindeksen, deretter de fire grunnleggende indeksene, og til slutt deltestene som utgjør de fire hovedindeksene. Beslutningen for dette valget ble tatt for å redusere virkningen av to feil: feilene som ble gjort under transformasjonen av de vektede skårene til sammensatte skårer og når forskjellen mellom indeksene eller deltestene var slik at de ugyldiggjorde poengsummen til selve indeksen. I den første lineære regresjonsmodellen evaluerte vi effekten av alder, utdanningsnivå, kjønn og autismenivå på FSIQ. Resultatene viste et høyt nivå av betydning for både alder og utdanning, noe som indikerer at hver poengsum i FSIQ er korrelert med en økning på 0.37 år, og for hvert år med utdanning er det en økning på omtrent 1,5 poeng. i FSIQ. Disse resultatene er i tråd med en studie om TD av Tommasi et al. (2015) som viste en gjennomsnittlig økning på 1,9 IQ-poeng i IQ-global sammensatt poengsum per år med utdanning. I motsetning til våre forventninger og tidligere resultater som viste autistiske kvinners ulempe i IQ-skår sammenlignet med autistiske menn, ble ingen kjønnseffekter funnet på FSIQ-skåren i vårt utvalg. Som tidligere nevnt, kan få konklusjoner antas bare ved å undersøke FSIQ-skårer da de inkluderer forskjellig informasjon om bredere kognitive evner.

Derfor, i modell 2, kjørte vi en MANCOVA ved å bruke de fire indeksene som avhengige variabler, kjønn og alvorlighetsgrad som faktorer, og alder og utdanning som kovariater. Resultatene viste en statistisk signifikant forskjell i alle variablene bortsett fra når interaksjonen mellom kjønn og nivå av autisme vurderes. Ser man dypere på resultatene og påvirkningen av variablene på indeksene, fremhever resultatene en betydelig kjønnsforskjell i indeksene for verbal forståelse og prosesseringshastighet hos kvinnelige deltakere som presterer bedre enn mannlige jevnaldrende. Dette sistnevnte resultatet er ikke overraskende siden selv TD kvinnelige voksne presterte bedre enn menn i prosesseringshastighetsoppgaver (Daseking et al., 2017). Imidlertid, uventet, og aldri skissert før, hadde kvinnelige autistiske voksne bedre prestasjoner i ordforråd sammenlignet med autistiske menn. Selv om disse resultatene er overraskende og nye, må ytterligere studier utføres for å motvirke antallet kvinnelige og mannlige ASD-deltakere. Effekten av kvinnelig fordel på PSI er fortsatt betydelig når interaksjonen med ASD-nivå vurderes. Faktisk er ytelsen til kvinnelige deltakere på PSI bedre både på ASD nivå 1 og 2. Et annet ikke overraskende resultat er effekten av utdanning på Verbal Comprehension-indeksen som antyder at personer med høyere utdanning presterer bedre i verbal tilegnet kunnskap og verbal resonnement, som tidligere litteratur påpekt (Tommasi et al., 2015). Effektene av utdanning på arbeidsminnet er imidlertid delvis nye og forblir betydelige når begge deltestene tas med i analysen. Imidlertid må ytterligere studier utføres for bedre å forstå retningen til denne effekten. Det kan postuleres at år med utdanning bidrar til bedre Digit Span og aritmetiske ytelser ettersom bedre WMI-prestasjoner øker sannsynligheten for et høyere utdanningsnivå. Uforutsigbart ble det ikke funnet noen statistisk effekt av sex på WM, noe som avslører en lignende måte for både mannlige og kvinnelige deltakere å prestere i dette kognitive domenet. Dette resultatet er i motsetning til en nylig italiensk studie om TD av Pezzuti et al. (2020) der det var en bedre ytelse enn menn i WMI-sammensatte score og dens aritmetiske deltest. Fraværet av effekter av sex på denne indeksen i vårt autistiske utvalg kan tolkes i lys av ekstrem mannlig hjerneteori (Baron-Cohen, 2002) der autisme kan betraktes som en ekstrem av den normale mannlige profilen.

I modell 4 er undertester av VCI (likheter, ordforråd og informasjon) vurdert og resultatene viste en signifikant effekt på alle variablene bortsett fra når interaksjonen mellom kjønn og ASD-nivå er tatt i betraktning. Ser man dypere på de univariate analysene, bekreftes de signifikante effektene av utdanning, alder og nivå av autisme på individuelle deltester på hver deltest. Litteraturen støtter disse funnene, og viser at utdanningsnivået er en prediktor for større verbal kompetanse (Abad et al., 2015). Imidlertid forsvant de tidligere kjønnsforskjellene som ble funnet med tanke på VCI-sammensatte skårer når hver deltest ble vurdert for analysen, bortsett fra ordforråd. Selv dette resultatet står i kontrast til tidligere forskning (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017) som skisserte overlegenheten til menn med TD i Verbal Comprehension Index. Omvendt, i vårt utvalg presterte kvinner med ASD menn med ASD når vokabular-deltesten ble vurdert i analysen. Imidlertid anses denne forskjellen som statistisk signifikant bare på ASD nivå 1, ingen kjønnsforskjeller i VCI-subtester ble oppdaget når ASD nivå 2 vurderes.

I modell 5 brukte vi deltestene Block Design, Matrix Reasoning og Visual Puzzles som avhengige variabler. Resultatene viste kun en signifikant effekt av nivået av ASD på deltestene som ble vurdert. Overlegenheten til menn med TD i PRI-sammensatt poengsum (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017) ble ikke bekreftet i vår autistiske prøve, noe som indikerer at undertester av PRI er mer følsomme for ASD-alvorlighetsnivå i vårt utvalg.

I modell 6 ble symbolsøk og koding brukt som avhengige variabler. Resultatene avslørte en statistisk signifikant effekt av kjønn og nivåer av autisme på begge deltestene, og bekreftet de tidligere resultatene når PSI-sammensatt poengsum ble analysert. Selv når den felles effekten av kjønn og nivået av autisme er kontrollert, forblir resultatet statistisk signifikant på hver deltest. Dette resultatet er i tråd med de tidligere studiene på TD med tanke på kvinnelig overlegenhet i Processing Speed ​​Index (Pezzuti et al., 2020); derfor ser det ut til at det samme mønsteret forekommer i ASD-populasjonen.

Å bruke WAIS-IV-hovedindekser eller grenseverdier for subtest for å bedre skille mellom autismenivåer kan være kontroversielt, men nyttig for klinikere som må beskrive en persons funksjon i henhold til DSM-5 (APA, 2013) klassifisering. For fullskalaindeksen var de beste kuttepunktene som ble avslørt 69 for kvinner og 65 for menn som brukte Youdens indekser. I VCI var de optimale cutpoints 74 og 69 for henholdsvis kvinner og menn; Når det gjelder PRI, var de beste kuttepunktene 79 for kvinner og 73 for menn; i WMI 69 for kvinner og 72 for menn; til slutt, for PSI var de optimale kuttepunktene 81 for kvinner og 70 for menn.

Selv om alle disse prediktive resultatene kan hjelpe klinikere til bedre å skille mellom ulike alvorlighetsnivåer, kan ikke en test erstatte diagnostisk vurdering av erfarne klinikere. Imidlertid er cut-off-score tatt sammen med de tidligere funnene om PRIs nesten uavhengighet fra alder, utdanningsnivå og kjønn kan delvis rette klinisk evaluering til visuospatiale evner ved vurdering av personer med ASD på tvers av nivåer.

For å oppsummere viste noen forfattere en undervurderende effekt av de kognitive evnene til ASD-personer når de ble vurdert med WAIS-IV sammenlignet med RPM (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011). Dette fenomenet ser imidlertid ut til å være bedre brukt på ASD-personer med kognitiv svikt og ikke på AS (Bölte et al., 2009; Holdnack et al., 2011) eller gjennomsnittlige kognitive evner. Så kognitiv svekkelse bør være til bekymring når du velger et hvilket som helst vurderingsverktøy som skal brukes med personer med ASD, og ​​når du tolker resultatene av deres prestasjoner på dette målet. Ved siden av kognitiv svikt spiller språkforsinkelse en betydelig innvirkning på IQ-utfallet, som Bodner et al. (2014) beviste i sin studie at det resulterte i bedre WAIS-IV IQ enn RPM-skåre hos voksne med verbalt evne. Derfor må flere faktorer vurderes før man vurderer personer med ASD (kontekst, situasjon, evner vurdert, ulike metoder) prioriterer en multi-metode multi-informant tilnærming. Derfor bør forutsigelse av den akademiske eller adaptive funksjonen til personer med ASD gjennom hele levetiden basert på kognitive vurderingsverktøy gjøres med forsiktighet siden verken Wechsler eller RPM fullt ut samler all informasjonen som trengs for å vurdere kognitiv funksjon hos personer med ASD.

Begrensninger og retninger for fremtidig forskning

En mulig begrensning av studien er det lille antallet kvinnelige deltakere sammenlignet med de mannlige deltakerne, noe som kan utelukke generalisering av resultater. Dessuten kan det reduserte kvinnelige ASD-utvalget og resultatene av ingen kjønnsforskjeller på IQ generelle sammensatte score delvis skyldes den kvinnelige prøvestørrelsen. Imidlertid var utvalget sammensatt av forskjellige antall menn og kvinner i henhold til ASD-prevalensen.

Kun tilstedeværelse eller fravær av komorbiditeter i funn har blitt undersøkt i forskningen. Selv om et begrenset antall deltakere hadde kliniske diagnoser som kunne ha en sterk effekt på WAIS-IV deltester, slik som psykotiske lidelser eller ADHD, er det nødvendig med ytterligere studier for å evaluere den enkelte effekten av komorbiditeter på utfall.

Tilgjengelighet av data og materialer

De anonymiserte datasettene som er analysert i den nåværende studien er tilgjengelig fra den tilsvarende forfatteren på forespørsel.

Anerkjennelser.

Vi takker alle som har deltatt i denne studien. Vi setter pris på deltakelsen fra autistiske deltakere og deres pårørende som med sin interesse og engasjement gjør autismeforskning mulig.

Økonomisk støtte.

Det ble ikke mottatt økonomisk støtte til forskningen.

Interessekonflikt.

Ingen interessekonflikt ble rapportert av forfatterne.

Etiske standarder.

Alle prosedyrer utført i studier som involverte menneskelige deltakere var i henhold til de etiske standardene til den institusjonelle og/eller nasjonale forskningskomiteen og med Helsinki-erklæringen fra 1964 og dens senere endringer eller sammenlignbare etiske standarder.

Referanser

1. Abad F, Sorrel M, Román F og Colom R (2015) Sammenhengene mellom WAIS-IV faktorindeksscore og utdanningsnivå: en bifaktormodelltilnærming. Psykologisk vurdering 28, 987–1000.

2. American Psychiatric Association (2013) Diagnostic and Statistical Manual of Mental Disorders, 5th Edn. Arlington, VA: Forfatter.

3. Attwood T (2007) The Complete Guide to Aspergers Syndrome. London: Jessica Kingsley Publishers.

4. Baltes PB, Lindenberger U og Staudinger UM (1998) Life span theory in developmental psychology. I Damon W og Lerner RM (red), Handbook of Child Psychology: Vol. 1. Teoretiske modeller for menneskelig utvikling, 5. utgave. Hoboken, NJ: Wiley, s. 1029–1143.

5. Baron-Cohen S (2002) Den ekstreme mannlige hjerneteorien om autisme. Trends in Cognitive Sciences 6, 248–254.

6. Baxter AJ, Brugha TS, Erskine HE, Scheurer RW, Vos T og Scott JG (2015) The epidemiology and global burden of autism spectrum disorders. Psychological Medicine 45, 601–613.

7. Bodner KE, Williams DL, Engelhardt CR og Minshew NJ (2014) En sammenligning av tiltak for å vurdere nivået og arten av intelligens hos verbale barn og voksne med autismespekterforstyrrelse. Research in Autism Spectrum Disorders 8, 1434–1442.

8. Bölte S, Dziobek I og Poustka F (2009) Kort rapport: nivået og arten av autistisk intelligens revidert. Journal of Autism and Developmental Disorders 39, 678–682.

9. Borella E, Pezzuti L, De Beni R og Cornoldi C (2020) Intelligens og arbeidsminne: bevis fra administrering av WAIS-IV til italienske voksne og eldre. Psykologisk forskning 84, 1622–1634.

10. Ceci SJ (1991) Hvor mye påvirker skolegang generell intelligens og dens kognitive komponenter? En revurdering av bevisene. Developmental Psychology 27, 703–722.

11. Ceci SJ og Williams WM (1997) Skolegang, intelligens og inntekt. American Psychologist 52, 1051.

12. Charman T, Pickles A, Simonoff E, Chandler S, Loucas T og Baird G (2011) IQ hos barn med autismespekterforstyrrelser: data fra Special Needs and Autism Project (SNAP). Psychological Medicine 41, 619–627.

13. Christensen DL, Baio J, Van Naarden Braun K, Bilder D, Charles J, Constantino JN, Daniels J, Durkin MS, Fitzgerald RT, Kurzius-Spencer M, Lee LC, Pettygrove S, Robinson C, Schulz E, Wells C , Wingate MS, Zahorodny W, Yeargin-Allsopp M og Centers for Disease Control and Prevention (CDC) (2016) Prevalens og kjennetegn ved autismespekterforstyrrelse blant barn i alderen 8 år – overvåkingsnettverk for autisme og utviklingshemming, 11 steder, USA, 2012. MMWR Surveillance Summaries 65, 1–23.

For more information:1950477648nn@gmail.com