Wechslers intelligensskala för vuxna – profiler i fjärde upplagan av vuxna med autismspektrumstörning

Abstrakt

Syfte.

I den här studien har vi jämfört 229 Wechsler Adults Intelligence Scale – Fourth Edition (WAIS-IV) kognitiva profiler av vuxna med olika svårighetsgrad med autismspektrumstörning för att verifiera effekten av flera variabler inklusive kön, ålder, utbildningsnivå och autismallvarlighetsnivå i ett italienskt prov. Dessutom ville vi ta reda på de optimala skärpunkterna för de stora intelligenskvoterna för att diskriminera autismnivåer.

Metoder.

Wechsler Adult Intelligence Scale är ett verktyg som används för att bedöma en individs intelligensnivå, inklusive flera dimensioner som ordförråd, detaljerad förståelse, mönsterigenkänning, resonemang och numeriskt minne. Minnet är en viktig aspekt. Det finns ett visst samband mellan dem.

Forskning visar att individer med högre nivåer av intelligens tenderar att ha bättre minnen. Detta kan verifieras från flera vinklar: För det första tenderar individer med hög IQ att ha starkare förmåga att lära sig och komma ihåg snabbt och tillämpa kunskap när de löser problem; för det andra kan individer med hög IQ bättre lära sig och memorera kunskap. Förstå och analysera kunskap och extrahera nyckelinformation; Dessutom kan individer med hög IQ mer effektivt integrera och koppla samman kunskap under den långsiktiga ackumuleringen av kunskap för att främja långtidslagring av minne.

Det är dock värt att notera att minnet inte är den enda faktorn som bestämmer intelligensnivån. Utöver minne inkluderar intelligensnivån även många andra aspekter, såsom resonemang, kreativitet etc. Därför är det inte tillräckligt korrekt att enbart förlita sig på minnet för att uppskatta intelligensnivån. Wechsler Adult Intelligence Scale är utformad för att heltäckande bedöma flera indikatorer på en individs intelligensnivå för en mer exakt bedömning.

Generellt sett är minnet en viktig aspekt av intelligensnivån. Wechsler Adult Intelligence Scale är ett verktyg för att heltäckande bedöma en individs intelligensnivå. Det kan hjälpa oss att förstå flera aspekter av en individs intelligensnivå mer exakt så att vi bättre kan förstå individens intelligensnivå. Utveckla rimliga utbildningsplaner och utbildningsriktlinjer. Det kan ses att vi behöver förbättra minnet, och Cistanche deserticola kan förbättra minnet avsevärt eftersom Cistanche deserticola är ett traditionellt kinesiskt läkemedelsmaterial som har många unika effekter, varav en är att förbättra minnet. Effekten av malet kött kommer från de olika aktiva ingredienserna det innehåller, inklusive syra, polysackarider, flavonoider, etc. Dessa ingredienser kan främja hjärnans hälsa på olika sätt.

Klicka på Vet korttidsminne hur du kan förbättra

Deltagarna rekryterades från två National Health System Centers i två olika italienska regioner och bedömdes med guldstandardinstrument som en del av sin kliniska utvärdering. Enligt DSM-5 mättes kognitiva domäner också med multikomponenttester. Vi använde den italienska anpassningen av WAIS-IV. Vi kontrollerade våra hypoteser med hjälp av linjära regressionsmodeller och kurvor för receiver operation characteristics (ROC).

Resultat.

Våra resultat visade att ålder och utbildningsnivå har en stark inverkan på Verbal Comprehension (VCI) och Working Memory Index (WMI). Könsskillnader är relevanta när man överväger VCI och Processing Speed ​​Index (PSI) där kvinnor presterade bäst. Dessa skillnader är fortfarande relevanta när man överväger cutpoints för ROC eftersom 69 resulterade i att vara den optimala cutpointen för kvinnor och 65 för män.

Slutsatser.

Få slutsatser kan endast antas genom att undersöka Full Scale Intelligence Quotient (FSIQ) poäng eftersom de inkluderar olika information om bredare kognitiva förmågor. Att titta djupare på huvudindex och deras deltestresultat överensstämmer med tidigare forskning om störningen (måttliga korrelationer av FSIQ, Perceptual Reasoning index, WMI och PSI med deltagarnas ålder), medan andra resultat är oförutsedda (ingen effekt av kön hittat på FSIQ-poäng) eller ny (signifikant effekt av utbildning på VCI och WMI). Att använda en algoritm som förutsäger optimala skärpunkter för att urskilja genom autismallvarlighetsnivåer kan hjälpa kliniker att bättre märka och kvantifiera den nödvändiga hjälpen som en person kan behöva, ett test kan inte ersätta diagnostisk och klinisk utvärdering av erfarna läkare.

Introduktion

Autismspektrumstörning (ASD) är en neuroutvecklingsstörning med en tidig debut och en genetisk komponent. ASD kännetecknas av brister i socio-emotionell ömsesidighet, försämrad verbala och icke-verbala kommunikationsförmåga och oförmåga att utveckla och upprätthålla adekvata sociala relationer med kamrater. ASD kärnsymtom är förknippade med förekomsten av repetitiva verbala och motoriska beteenden, begränsade intressemönster, behov av en oföränderlig miljö (eller i vilket fall som helst förutsägbar och stabil) och hypo- eller överkänslighet för sensoriska input. Debuten av kliniska symtom inträffar under de första levnadsåren (APA, 2013). Specifierare överväger möjligheten till flera komorbiditeter, såsom kognitivt underskott, språkstörning, katatoni, medicinska eller miljömässiga faktorer eller andra neuroutvecklingsstörningar.

Nya uppskattningar av prevalensen indikerar 1:44 barn i USA och 1:77 barn i Italien (Maenner et al., 2016). Vuxnas prevalens är omkring 1:68, vilket avslöjar en signifikant ökning av befolkningen av vuxna med ASD (Christensen et al., 2016). Vid sidan av denna faktor är ett annat relevant element att överväga könsförhållandet mellan autister (Loomis et al., 2017) som fortfarande diskuteras och visar blandade resultat. Könsrelaterade genetiska faktorer och mäns sårbarhet för hjärnförolämpning kan förklara några av könsskillnaderna (APA, 2013). Nyligen genomförda epidemiologiska studier avslöjade en manlig dominans på 2–3:1 jämfört med det allmänt citerade förhållandet 4–5:1 från tidigare studier (Mattila et al., 2011; Idring et al., 2012; Baxter et al., 2015; Zablotsky et al. al., 2015; Keller et al., 2020) även om detta förhållande kan bero på intellektuella förmågor och det verkar så lågt som 2:1 när ASD är förknippat med intellektuell funktionsnedsättning, och så högt som 6–8:1 i högfungerande autism (HFA; Fombonne, 2005, 2009). Det antas att denna högre manliga prevalens beror på autistiska kvinnors förmåga att maskera sina sociala svårigheter, på kulturella faktorer och ett mindre antal studier om ASD i den kvinnliga befolkningen (Attwood, 2007; Lai et al., 2011; Kirkovski et al., 2013) och olika ASD-fenotyper (Mandy et al., 2012; Van Wijngaarden-Cremers et al., 2014; Howe et al., 2015). En färsk studie av Wilson et al. (2016) som involverade 1244 vuxna (935 män och 309 kvinnor) som remitterades för ASD-bedömning rapporterade könsskillnader i kliniskt utfall. Resultaten drog slutsatsen att 639 män och 188 kvinnliga personer diagnostiserades med ASD av vilken undertyp som helst. I studien har faktiskt ingen signifikant effekt av kön (manligt IQ > kvinnligt IQ; F(2)=2.47, p=0.09, η2 p=0.02) på IQ hittades. När det gäller intelligensresultat bekräftade deras resultat tidigare forskning som rapporterade lägre IQ-poäng hos kvinnor med diagnosen ASD jämfört med manliga deltagare (Fombonne, 2005). I själva verket fann Halpern och LaMay (2000) ingen signifikant könsskillnad för g-faktorn medan könsskillnader spelar en roll när det gäller prestationer på deltest och indexnivå med hjälp av Wechsler Intelligence Scale for Adults – 4:e upplagan (WAIS-IV; Wechsler, 2013) .

Studier på den typiska utvecklingspopulationen (TD) som undersökte könsskillnaderna med hjälp av deltester och härledda index från WAIS-IV visade bättre prestationer för män i IQ, Verbal förståelse (VC), Perceptuellt resonemang (PR) och Arbetsminne (WM) ( Longman et al., 2007; Irwing, 2012; Daseking et al., 2017). Istället var Processing Speed ​​(PS)-indexet det enda där kvinnor hade bättre resultat. Dessa resultat var i linje med en italiensk studie av Pezzuti et al. (2020) som fann att män presterade signifikant bättre än kvinnor i det aritmetiska deltestet och WMI för WAIS-IV. I sin studie som jämförde prestanda för TD på WAIS-R och WAIS-IV, verkade könsskillnaderna bredare och mer omfattande i WAIS-R-provet, som andra tidigare författare nämnde med hjälp av WAIS-III (Dolan et al., 2006; Van der Sluis et al., 2006). En faktoranalysstudie från Colom och Garcia-Lopez (2002) visade att det inte finns några könsskillnader i generell förmåga (g) på den spanska standardiseringen av WAIS-III. Författarna uppgav att de genomsnittliga könsskillnaderna som gynnar män måste tillskrivas specifika gruppfaktorer och testspecificitet. Likaså resultat erhållna av Van der Sluis et al. (2006) med hjälp av holländska WAIS-III indikerar skillnader mellan män och kvinnor i prestation avseende specifika kognitiva förmågor, men inte i generell intelligens (g). I motsats till det amerikanska standardiseringsprovet av WAIS-III rapporterade Irwing (2012) könsskillnader inte bara när det gäller specifika förmågor utan även i g. Män överträffade kvinnor i generell intelligens [Full Scale Intelligence Quotient (FSIQ)] och på deltest som Information, Aritmetics och Symbol-Search, medan kvinnor överträffade män på Processing Speed ​​Index (PSI).

Utbildningsnivå (Ceci och Williams, 1997; Gustafsson, 2001) och ålder bidrar också till förståelsen av skillnader i IQ-utfall. Ceci (1991) menar att ju fler år av utbildning desto bättre kognitiva färdigheter. Detta fenomen beror på utläggningen av sammanhang som gör det möjligt för människor att lära sig relevant information, att koncentrera sig på problem, och det lär ut tillvägagångssätt för kognition som majoriteten av intelligenstester är baserade på. Resultat från en italiensk studie (Tommasi et al., 2015) visade att WAIS-R upptäcker individuella skillnader i intelligens korrekt mätt med IQ-poäng på olika utbildningsnivåer. Faktum är att det finns en genomsnittlig ökning som motsvarar 1,9 IQ-poäng i IQ globala sammansatta poäng per utbildningsår. Som tidigare antytts måste ålder beaktas när man tar hänsyn till IQ-skillnader och effektivitet över tid (Baltes et al., 1998; Schaie och Willis, 2010). De flesta av studierna fokuserade på arbetsminnets nyckelroll och dess koppling till allmänna förmågor. Det har hävdats att i TD spelas en betydande skadlig effekt av ålder på arbetsminnesresurser (Craik och Salthouse, 2008; Robert et al., 2009).

Så profilen för intelligensnivå är en av de relevanta faktorerna som ska beaktas vid diagnostisering av personer med ASD, tillsammans med andra kognitiva, neuropsykologiska, sociodemografiska och kärnsymptommått (Happé et al., 2016). Att inse hur personer med ASD kan variera på denna konstruktion kan vara avgörande för att identifiera ASD-subtyper (Grzadzinski et al., 2013). Därför förändras ASD-subtyper enligt olika kognitiva förmågasmönster (Grzadzinski et al., 2013). Icke desto mindre finns det inga distinkta IQ-profiler för individer med ASD (Siegel et al., 1996; Ghaziuddin och Mountain-Kimchi, 2004; Goldstein et al., 2008; Williams et al., 2008; Charman et al., 2011). Intellektuella förmågor har varit mer utmanande att bedöma hos individer med ASD på grund av deras egenskaper och bedömningsverktyg. Många forskare fokuserade på barn, men få författare studerade kognitiva prestationsmönster hos vuxna med ASD och hur dessa mönster kan skilja på svårighetsgrad och typiska prestationskonfigurationer. WAIS-IV (Wechsler, 2013) är det mest använda och förnyade kognitiva prestationstestet för bedömning av verbala vuxna med ASD. Andra standardiserade mått på intelligens inkluderar Stanford-Binet (t.ex. Roid, 2003), Ravens progressiva matriser (RPM; Raven et al., 1998) och Leiter-3 (Roid et al., 2013). Användningen av Wechsler-skalor har fått stöd av flera studier (Filipek et al., 1999; Mottron, 2004). Ändå har tidigare forskning belyst hur RPM (Raven et al., 1998) kunde vara mer adekvat för att beskriva den kognitiva profilen hos personer med ASD (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011). I själva verket, som påpekats av Dawson et al. (2007) kan Wechslerskalan underskatta intelligensen hos individer med ASD främst på grund av dess betoning på verbal instruktion och uppgifter. Strukturen och egenskaperna hos RPM, lämpliga för flytande resonemangsuppgifter, kan dock vara ett lämpligare mått på intelligensen hos personer med ASD. Resultaten av jämförelsen mellan prestationer för Wechsler och RPM-poäng för vuxna med och utan ASD visade på en signifikant högre prestanda för ASD-gruppen på RPM jämfört med TD-gruppen, vars prestationer över skalorna var utan signifikanta skillnader. IQ-skillnaden mellan personer med ASD och TD gjorde dock en djupgående förståelse av skillnaderna i kognitiva prestationer hos ASD-personer som använder RPM och Wechsler-skalan. Resultaten av en separat men relaterad studie tyder på att den högre prestandan på RPM jämfört med Wechsler-måtten främst inträffar för individer med ASD med kognitiv funktionsnedsättning (Bölte et al., 2009). Holdnack et al. (2011) jämförde prestationer mellan kontrollgruppen, HFA och Asperger-störning (AS) i WAIS-IV-deltesterna. Inga statistiskt signifikanta skillnader mellan AS- och kontrollgrupper hittades medan HFA-gruppen hade de lägsta poängen. Men både ASD och kontrollgruppers prestationer på Matrix Reasoning och Digits Forward visade inga signifikanta skillnader. När det gäller deltester för kodning skilde sig alla tre grupperna signifikant från varandra. Så småningom, i Visual Puzzles där HFA-gruppen presterade betydligt sämre än kontrollgruppen, skilde sig AS-gruppen inte från varken HFA- eller kontrollgruppen.

Sammanfattningsvis är flera demografiska variabler associerade med olika kognitiva nivåförmågor i TD. Men baserat på vår kunskap utvärderade ingen studie tillsammans effekterna av ålder, kön, utbildningsnivå och autismnivå på kognitiva prestationer hos personer med ASD mätt med italienska WAIS-IV i ett stort urval. Så i denna studie testade vi flera hypoteser:

(1) Testa sambandet mellan de demografiska variablerna och nivån av autism med FSIQ, huvudindex och deltest, som ett preliminärt steg för ytterligare och djupgående analyser. En måttlig korrelation mellan ålder och utbildningsnivå och FSIQ och huvudindex förväntades.

(2) Förutsatt att FSIQ inte noggrant kunde förklara styrkorna och svagheterna hos personer med ASD utvärderade med WAIS-IV, ville vi identifiera om likt TD, signifikanta effekter av de oberoende variablerna hittades på de fyra indexen tillsammans (VCI, WMI , PRI, PSI) och de underliggande deltesterna. Specifikt förväntade vi oss inga könsskillnader i FSIQ i båda nivåerna av autism; signifikanta effekter av ålder och utbildningsnivå på VCI, WMI och PSI; och ASD kvinnliga deltagares bättre prestationer på PSI.
(3) Så småningom ville vi testa hypotesen att bättre prestationer på de fyra indexen kan förutsäga mindre allvarliga autistiska symtom. I själva verket undersöktes optimala gränsvärden för att diskriminera autismnivåer med WAIS-IV.

Metoder

Deltagare

Totalt utvärderades 270 vuxna med ASD (Mage=26.3 SD=9.35) vid Regional Center for Autism Spectrum Disorder i Turin och Regional Center for Autism i L 'Aquila (Italien). ASL Citta di Torinos regionala centrum är en nationell avdelning för mentalvård som tillhandahåller tjänster för personer med ASD. Centret tillhandahåller klinisk bedömning och psykologiska och pedagogiska insatser för personer med autism (Keller et al., 2{{108}}20). Det regionala referenscentret för autism – en struktur inom Abruzzo Region Health System – utför diagnostiska, kliniska och konsulterande aktiviteter och tillhandahåller behandlingar för individer med ASD. De flesta av patienterna remitterades av allmänpsykiatern för en ASD-bedömning och kom till antingen vårdcentralen för första gången eller återvände för en uppföljande utvärdering. Alla diagnoser ställdes enligt Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5) (APA, 2013) kriterier med hänsyn till klinisk anamnes, klinisk intervju, kognitiv bedömning med WAIS- IV (Orsini och Pezzuti, 2013), diagnostisk utvärdering med ADI-r (Rutter et al., 2003) och ADOS-modul 4 (Lord et al., 2002) eller RAADS (Ritvo et al., 2011) ), efter strukturerad diagnostisk väg (multistep network model, Keller et al., 2020). Av hela urvalet fick 169 personer diagnosen ASD med nivå 1 (man=75%, Medu=12.4, SD=2.64; kvinnlig=25%, Medu=13.6, SD=2.91), 60 med ASD-nivå 2 (hane=75%, Medu=10.9, SD=2.18; hona=25%, Medu=11.3, SD=2.47) och 39 med ASD-nivå 3 (hane=79%, Medu=10.9, SD=1.96; hona = 21%, Medu=11.5, SD=1.60). För att inkluderas i studien fick alla patienter en formell klinisk diagnos av ASD enligt DSM-5 (APA, 2013) kriterier. Personer med komorbid psykopatologi (n=42) inkluderades endast om de antingen var i remission eller hade minimal inverkan på daglig funktion. Totalt 3,9 % med ASD nivå 1 och komorbida depressiva störningar (män=3%, kvinnor=0,9%), 3,49% med ASD nivå 1 och personlighetsstörningar (man=2). 18 %, kvinnor=1,31 %), 2,18 % med ASD nivå 1 och specifika inlärningsstörningar (män=1,31 %, kvinnor=0,87 %), 1,31 % personer med ASD nivå 1 (män=0,43 %, kvinnor=0.86 %) och 0,43 % män med ASD nivå 2 och tvångssyndrom, 1,31 % med ASD nivå 1 och epilepsi (man=0,87 %, kvinna = 0,43 %), 1,31 % med ASD nivå 1 och ångestsyndrom (man = 0,43 %, kvinna=0.87 %), 1,31 % med ASD nivå 1 och schizofreni (man=0,87 %, kvinna=0,43 %), 0,87 % med ASD nivå 1 och uppmärksamhetsstörning/hyperaktivitetsstörning (man {{ 112}},43 %, kvinnor = 0,43 %), 0,87 % med ASD nivå 1 och utvecklingskoordinationsstörning (man=0,43 %, kvinna=0,43 %), 0,43 % kvinnor med ASD nivå 1 och Turners syndrom, 0,43 % män med ASD nivå 2 och Tourettes syndrom, 0,43 % med ASD nivå 1 och könsdysfori inkluderades.

Totalt exkluderades 39 deltagare med nivå 3 och två deltagare med nivå 2 från det ursprungliga urvalet eftersom de inte var lämpliga för en verbal kognitiv utvärdering med WAIS-IV eftersom deras kommunikation skedde genom gester eller andra alternativa kommunikationssystem.

Alla demografiska variabler och egenskaper hos det slutliga urvalet presenteras i tabell 1.

Åtgärder
Data om kognitiva förmågor samlades in med hjälp av WAIS-IV (Wechsler, 2013). WAIS-IV används för att bedöma den intellektuella profilen hos personer mellan 16 och 90 år. Den består av fyra poäng och ett allmänt intelligensindex. De fyra indexen är VCI, PRI, WMI och PSI. Varje index är sammansatt av två eller tre deltest som krävs för att få det totala IQ-poängen. De tio centrala deltesten är ordförråd, information, likheter, sifferspann, aritmetik, blockdesign, matrisresonemang, visuella pussel, kodning och symbolsökning. Den innehåller också fem ytterligare deltest: Förståelse, Bokstav-Bokstav-nummersekvens, Figurvikter, Bildkomplettering och Annullering. I vårt urval använde vi deltesten med tio kärnor för alla ASD-personer och nivåer. Vi beräknade deltestresultaten, indexens poäng och fullskaligt IQ-index. Varje råpoäng korrigerades med italienska standardiseringspoäng för WAIS-IV (Orsini och Pezzuti, 2013).

WAIS-IV och hela den psykologiska utvärderingen administrerades av en legitimerad psykolog i ett stort och ljust rum i en session från 45 min till 1,5 timmar.

Strukturen för WAIS-IV och dess index och deltester är representerade i tabell 2.

Varje deltagares ålder beräknades vid tidpunkten för WAIS-IV-administrationen och uttrycktes i heltal.

Nivå av autism klassificerades i tre olika nivåer som anges i DSM-5 (APA, 2013), så att nivå 1 var den mindre allvarliga medan nivå 3 var den allvarligaste. Svårighetsgraden bedömdes genom kliniska intervjuer gjorda av två oberoende psykologer och en psykiater med deltagare och vårdgivare. Så småningom, i en sista återförening, diskuterade hela det professionella teamet och gick med på en av de tre nivåerna av stöd som krävs av personen.

År av utbildning samlades in med tanke på att varje skolcykelår helt avslutades. Eventuella avbrutna undervisningsår lades inte till antalet. Sålunda, med tanke på det italienska obligatoriska utbildningssystemet, tilldelades 5 år om en person avslutade den första skolcykeln. Övriga 3 år gavs om en person slutfört den andra skolcykeln. Slutligen övervägdes 5 år om en person genomgått den sista obligatoriska utbildningscykeln. Dessutom gavs 3 till 5 års ytterligare utbildningsår om en person avlade en kandidat- eller magisterexamen.

Psykopatologisk komorbiditet ansågs vara en dikotom variabel i termer av närvaro eller frånvaro av någon störning.

Dataanalys

Ett analytiskt tillvägagångssätt användes för att bättre beskriva och förstå insamlade data. Till en början kördes beskrivande och korrelationsanalyser för att utforska data och fördelningen av variablerna över ASD-nivåer och för att avgöra om det fanns ett samband mellan variablerna av intresse. Ett måttligt samband mellan variabler representerar ett av förutsättningarna för att utforska orsak-verkan fenomen genom djupgående efterföljande analys.

För att bättre förstå effekterna av sociodemografiska och ASD-relaterade variabler på kognitiva prestationsindex, användes linjära regressionsmodeller för att analysera effekten av ålder, utbildning, ASD-nivå, kön och komorbiditet på WAIS-IV-index. Linjär regression är en prediktiv analys som används för att avgöra om en uppsättning prediktorvariabler (oberoende variabler) förutsäger ett utfall (beroende variabler). Genom analys av varianstestet utvärderade vi en "övergripande" effekt med hänsyn till skillnaderna mellan medelvärden. Istället användes p-värdet för varje medelvärde i regressionsmodellerna för att enkelt förstå vilket medelvärde som skiljer sig från referensvärdet.

Dessutom, i en kaskadmodell, utförde vi en mer djupgående analys och betraktade varje index som en beroende variabel och sociodemografiska och ASD-relaterade variabler som kovariater. För de efterföljande analyserna utförde vi en multivariat analys av kovarians (MANCOVA) för att bedöma för statistiska skillnader på flera kontinuerliga beroende variabler – de fyra WAIS-IV-indexen – med två oberoende grupperingsvariabler, samtidigt som vi kontrollerade för en eller flera variabler som kallas kovariaterna. Genom MANCOVA skapade vi en modell med fyra beroende variabler (de fyra WAIS-IV-indexen), kön, ASD-nivå och komorbiditet som oberoende variabler och ålder och utbildning som kovariater. Så småningom upprepade vi samma analys med hjälp av varje index deltest som de beroende variablerna, kön, ASD-nivå och komorbiditet som oberoende variabler och ålder och utbildning som kovariater.

På samma sätt, i enlighet med det tredje syftet med forskningen, ville vi särskilja ASD-allvarlighetsnivåer. Arean under kurvan (AUC) och mottagarens funktionsegenskaper (ROC) (Metz, 1978; Zweig och Campbell, 1993) användes för att inspektera prestandan för de två ASD-nivågrupperna på WAIS-IV-kompositindex. ROC–AUC avslöjar hur mycket de fem sammansatta WAIS-IV-poängen är kapabla att skilja mellan ASD-allvarlighetsnivåer. Ju högre AUC, desto bättre är modellen på att skilja mellan deltagare med 1 och 2 svårighetsgrader. En ROC är en kurva över den sanna positiva frekvensen (känsligheten) v. den falska positiva frekvensen (1-specificitet) associerad med alla möjliga gränsvärden för ett mått. AUC är ett mått på diagnostisk noggrannhet och prediktiv validitet som kan användas för att jämföra det prediktiva värdet av olika mått. AUC kan variera mellan 0.5 (slumpmässig diskriminering) och 1 (perfekt diskriminering)

För analysen använde vi programvaran R Studio (R Studio Team, 2020) och Jamovi (The Jamovi Project, 2021).

Resultat

För statistisk analys exkluderades två vuxna med nivå 2 och 39 vuxna med nivå 3 eftersom de inte kunde bedömas med WAIS-IV. Så det slutliga urvalet bestod av 229 personer på nivåerna 1 och 2. Den beskrivande statistiken för urvalet och de fyra indexen presenteras i tabell 3. För en bättre förståelse av datafördelningen över nivåerna och indexen presenterade vi histogram med en densiteten för FSIQ och de fyra indexen i fig. 1.

I enkel korrelationsanalys (se tabell 4) var ålder signifikant korrelerad 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).

Alla samband mellan huvudindex och deltest var signifikanta (p < 0.001).

I linjära regressionsmodeller övervägde vi de gemensamma effekterna av kön, utbildningsnivå, autismnivå, ålder och komorbiditet på FSIQ. I modell 1, ålder (=0.371; t=2.779; p=0.006), nivå av autism ( {{7 }} −35,205; t=−12,636; p < 0,001) och utbildningsnivå (=1.530; t=3}.268; p < 0.001) var signifikanta, vilket tyder på att ju högre ålder, nivå av autism och utbildning, desto bättre FSIQ-poäng. Modell 1 förklarade 54,3 % av variansen i FSQI-poäng (R2 justerad=0.512, F(4, 224)=60.9, p < 0,001). Inga signifikanta effekter av komorbiditet hittades på FSIQ (= 0.479; t = 0.153; p=0.87).

Genom att använda multivariata multipla regressionsmodeller med MANCOVA testade vi olika hypoteser. I modell 2 betraktade vi de gemensamma effekterna av den tidigare modellens oberoende variabler separat på de fyra indexen (VCI, PRI, WMI, PSI). Kön (F=8.23; p < 0.001), ålder (F=4.54; p=0. 002), utbildningsnivå (F = 3.53; p=0.008) och nivå av autism (F=63.80; p < 0,001) har en betydande inverkan på de fyra index när man betraktar dem tillsammans. Inga signifikanta effekter hittades med hänsyn till de gemensamma effekterna av kön och nivån av autism på de fyra indexen (F=1.95; p=0.103) eller av samsjukligheter (F=1}.77 ; p=0.135). Därför tyder modell 2 på att manliga patienter presterar bättre än kvinnor och ju högre utbildningsnivå och ålder desto bättre poäng har de fyra indexen. Med tanke på den direkta effekten av variablerna på varje enskilt index fann vi att effekten av sex var statistiskt signifikant på VCI (F=4.429; p=0.036) och PSI (F {{ 30}}.835; p=0.001) och förblev signifikant när den gemensamma effekten med nivå beaktas på PSI (F=6.788; p=0.010). Utbildning har en statistiskt signifikant effekt på VCI (F = 12.374; p ⩽ 0.001) och WMI (F=8.288; p=0.004).

I följande multivariata multipelregressionsmodeller utvärderade vi effekterna av kön, ålder, utbildning, autismnivåer och komorbiditeter på de centrala deltesterna av de fyra indexen. Digit Span och Arithmetic ansågs vara de centrala deltesterna för WMI. Resultaten visade signifikant effekt av autismnivå (F {{0}}.036; p < 0.001), ålder (F=3.832; p=0}}}.023) och utbildning (F=4.244; p=0.016) på båda delproven. Inga effekter av komorbiditeter hittades på WMI-deltest (F=0.121; p=0.886).

Med tanke på de centrala deltesterna för VCI, kön (F {{{{10}}}}.859; p = 0.038), utbildningsnivå (F=4.822; p=0.003), nivå av autism (F=73.258; p < 0.001) och ålder (F=5.932; p < 0.001) hade en statistiskt signifikant inverkan på likheter , ordförråd och information. Om vi ​​tittar på resultaten av de univariata testerna har kön en signifikant inverkan på ordförrådet (F=7.337; p=0.007) utan betydelse för likheter och information. Inga effekter av komorbiditeter hittades på VCI-deltest (F=0.623; p=0.601).

För effekterna på blockdesign, matrisresonemang och visuella pussel, var nivån av autism den enda kovariaten som hade en stark inverkan på de tre deltesterna (F {{0}}.375; p < 0,001) . Inga andra relevanta resultat hittades förutom en liten signifikant effekt av kön och autismnivåer på VP (F=4.433; p=0.036).
Den sista modellen beaktade effekterna av variabler på symbolsökning och kodning och avslöjade en signifikant effekt av kön (F {{0}}.21; p=0.006), nivå av autism (F { {4}}.29; p < 0.001), och interaktionen mellan kön och nivå av autism (F=3.22; p=0.042) på de två deltesten. Emellertid har effekten av de isolerade variablerna på varje deltestålder en statistiskt signifikant inverkan på symbolsökning.

ROC-resultat presenteras i tabell 5. Enligt den tidigare analysen var kön statistiskt olika på flera index och deltester, och på grund av den lilla kvinnliga provstorleken beslutade vi att behandla män och kvinnor separat. I tabell 5 använde vi ROC på kvinnliga (n=57) och manliga (n=172) prover. Olika cut-points visade sig vara diskriminerande mellan nivå 1 och 2 med tanke på FSIQ. Varje index skiljde sig statistiskt signifikant från chansnivån (= 0.05).

I det kvinnliga urvalet skiljer en poäng på 69 mellan nivåer medan ett intervall som varierar från 65 till 69 poäng kan skilja mellan män med olika autismnivåer. VCI skiljer mellan nivå 1 och 2 med en poäng på 74 hos kvinnliga deltagare. Medan det kliniska intervallet för manliga deltagare varierar från 67 till 76. PRI:s bästa poäng för ett kvinnligt prov är 79 medan för det manliga provet är en poäng på 77 den bästa kompromissen med tanke på sensitivitet och specificitet. När det gäller WMI resulterade en cut-point på 69 i en stark parameter för att särskilja nivå 1 och 2 autism hos kvinnor. För den manliga populationen är en adekvat cut-point 72 med god sensitivitet och specificitet. Slutligen, för PSI, i det kvinnliga urvalet, var 81 en bra gränsvärde, medan den goda brytpunkten för det manliga urvalet var 70.

Diskussion

Begränsade forskare fokuserade på en djupgående studie av den kognitiva profilen hos vuxna med autism i ett internationellt sammanhang och ingen forskning i den italienska kontexten (Fombonne, 2005; Wilson et al., 2016). Såvitt vi vet fokuserade majoriteten av författarna på kognitiva och sociala prestationer hos barn eller ungdomar med ASD (Bodner et al., 2014). Flera studier fokuserade på att jämföra kognitiva prestationer hos vuxna med ASD med TD eller HFA med AS och TD (Holdnack et al., 2011). Ingen av dem undersökte effekten av sociodemografiska variabler på kognitiva prestationer hos personer med ASD. Så i vår forskning utforskade vi den kognitiva profilen för vuxna med ASD som nådde en klinisk diagnos. Efter att ha utforskat data med beskrivande analyser utförde vi en korrelation av fullskaliga, primära indexskalor och huvudsubtest och sociodemografiska variabler. Resultaten visade att FSIQ, PRI, WMI och PSI korrelerar måttligt med deltagarnas ålder. Mer specifikt antas det att utbildningsnivån har en betydande inverkan på kognitiva färdigheter mätt med WAIS-IV-index (Ceci, 1991; Baltes et al., 1998; Schaie och Willis, 2010; Pezzuti et al., 2019; Borella et al., 2020). Istället är ett intressant resultat att deltestet Block Design nästan är oberoende av ålder och utbildning som kan betraktas som ett kulturellt och åldersoberoende deltest i vårt urval.

Därefter använde vi en kaskadmetod där vi först analyserade fullskaligt index, sedan de fyra grundläggande indexen och så småningom deltesterna som bildar de fyra huvudindexen. Beslutet för detta val togs för att minska effekten av två fel: felen som gjordes under omvandlingen av de viktade poängen till sammansatta poäng och när skillnaden mellan indexen eller deltesten var sådan att poängen för själva indexet blev ogiltig. I den första linjära regressionsmodellen utvärderade vi effekten av ålder, utbildningsnivå, kön och autismnivå på FSIQ. Resultaten visade en hög grad av signifikans för både ålder och utbildning, vilket indikerar att varje poäng i FSIQ är korrelerad med en ökning på 0.37 år och för varje utbildningsår finns en ökning med cirka 1,5 poäng. i FSIQ. Dessa resultat är i linje med en studie om TD av Tommasi et al. (2015) som visade en genomsnittlig ökning med 1,9 IQ-poäng i IQ globala sammansatta poäng per utbildningsår. I motsats till våra förväntningar och tidigare resultat som visade på autistiska kvinnors nackdel i IQ-poäng jämfört med autistiska män, hittades inga könseffekter på FSIQ-poängen i vårt urval. Som tidigare nämnts kan få slutsatser endast antas genom att undersöka FSIQ-poäng eftersom de inkluderar olika information om bredare kognitiva förmågor.

Därför körde vi i modell 2 en MANCOVA med de fyra indexen som beroende variabler, kön och svårighetsgrad som faktorer och ålder och utbildning som kovariater. Resultaten visade en statistiskt signifikant skillnad i alla variabler utom när interaktionen mellan kön och nivå av autism beaktas. Om man tittar djupare på resultaten och variablernas inverkan på index, visar resultaten en signifikant könsskillnad i index för verbal förståelse och bearbetningshastighet hos de kvinnliga deltagarna som presterar bättre än de manliga jämnåriga. Det sistnämnda resultatet är inte förvånande eftersom även TD kvinnliga vuxna presterade bättre än män i bearbetningshastighetsuppgifter (Daseking et al., 2017). Men oväntat, och aldrig beskrivits tidigare, presterade kvinnliga autistiska vuxna bättre ordförråd jämfört med autistiska män. Även om dessa resultat är överraskande och nya, måste ytterligare studier genomföras för att motverka antalet kvinnliga och manliga ASD-deltagare. Effekten av kvinnlig fördel på PSI förblir betydande när interaktionen med ASD-nivån beaktas. Faktum är att kvinnliga deltagares prestationer på PSI är bättre både på ASD nivå 1 och 2. Ett annat inte överraskande resultat är effekten av utbildning på Verbal Comprehension index som tyder på att personer med högre utbildning presterar bättre i verbalt förvärvad kunskap och verbala resonemang, eftersom tidigare litteratur påpekat (Tommasi et al., 2015). Effekterna av utbildning på arbetsminnet är dock delvis nya och förblir betydande när båda delproven beaktas för analysen. Ytterligare studier måste dock genomföras för att bättre förstå riktningen för denna effekt. Det kan postuleras att år av utbildning bidrar till bättre sifferspann och aritmetiska prestationer eftersom bättre WMI-prestationer ökar sannolikheten för en högre utbildningsnivå. Oförutsägbart hittades ingen statistisk effekt av sex på WM, vilket avslöjar ett liknande sätt för både manliga och kvinnliga deltagare att prestera i denna kognitiva domän. Detta resultat står i kontrast till en nyligen genomförd italiensk studie om TD av Pezzuti et al. (2020) där det fanns en bättre prestation än män i WMI-sammansatta poäng och dess aritmetiska deltest. Frånvaron av effekter av sex på detta index i vårt autistiska urval kan tolkas i ljuset av extrem manlig hjärnteori (Baron-Cohen, 2002) där autism kan betraktas som en extrem av den normala manliga profilen.

I modell 4 beaktas deltester av VCI (likheter, ordförråd och information) och resultaten visade en signifikant effekt på alla variabler utom när interaktionen mellan kön och ASD-nivå beaktas. Om man tittar djupare på de univariata analyserna, bekräftas de signifikanta effekterna av utbildning, ålder och autismnivå på individuella deltest på varje deltest. Litteraturen stödjer dessa fynd, som visar att utbildningsnivån är en prediktor för större verbal kompetens (Abad et al., 2015). De tidigare könsskillnaderna som hittats med tanke på VCI-sammansatta poäng försvann dock när varje deltest togs i beaktande för analysen, förutom ordförråd. Även detta resultat står i kontrast till tidigare forskning (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017) som beskrev överlägsenheten hos män med TD i Verbal Comprehension Index. Omvänt, i vårt urval presterade kvinnor med ASD bättre än män med ASD när deltestet ordförråd beaktades i analysen. Denna skillnad anses dock vara statistiskt signifikant endast vid ASD nivå 1, inga könsskillnader i VCI-deltest upptäcktes när ASD nivå 2 beaktas.

I modell 5 använde vi deltesten Block Design, Matrix Reasoning och Visual Puzzles som beroende variabler. Resultaten visade endast en signifikant effekt av nivån av ASD på de övervägda deltesterna. Överlägsenheten hos män med TD i PRI sammansatt poäng (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017) bekräftades inte i vårt autistiska urval, vilket tyder på att deltest av PRI är mer känsliga för ASD svårighetsgrad i vårt prov.

I modell 6 användes symbolsökning och kodning som beroende variabler. Resultaten avslöjade en statistiskt signifikant effekt av kön och nivåer av autism på båda deltesterna, vilket bekräftar de tidigare resultaten när PSI-kompositpoängen analyserades. Även när den gemensamma effekten av kön och nivån av autism kontrolleras, förblir resultatet statistiskt signifikant på varje deltest. Detta resultat är i linje med tidigare studier om TD med tanke på kvinnlig överlägsenhet i Processing Speed ​​Index (Pezzuti et al., 2020); därför verkar samma mönster förekomma i ASD-populationen.

Att använda WAIS-IV-huvudindex eller delprovsgränsvärden för att bättre skilja mellan autismnivåer kan vara kontroversiellt men användbart för läkare som måste beskriva en persons funktion enligt DSM-5 (APA, 2013) klassificering. För det fullskaliga indexet var de bästa cut-points som visades 69 för kvinnor och 65 för män med Youdens index. I VCI var de optimala skärpunkterna 74 och 69 för kvinnor respektive män; när det gäller PRI var de bästa snittpoängen 79 för kvinnor och 73 för män; i WMI 69 för kvinnor och 72 för män; slutligen, för PSI var de optimala cut-points 81 för kvinnor och 70 för män.

Även om alla dessa prediktiva resultat kan hjälpa kliniker att bättre särskilja olika svårighetsgrad, kan ett test inte ersätta diagnostisk bedömning av erfarna läkare. Emellertid, cut-off poäng tas tillsammans med de tidigare fynden om PRIs nästan oberoende av ålder, utbildningsnivå och kön kan delvis rikta klinisk utvärdering till visuospatiala förmågor vid bedömning av personer med ASD över nivåer.

Sammanfattningsvis visade vissa författare en underskattande effekt av ASD-personers kognitiva förmågor när de bedömdes med WAIS-IV jämfört med RPM (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011). Detta fenomen verkar dock vara bättre applicerat på ASD-personer med kognitiv funktionsnedsättning och inte på AS (Bölte et al., 2009; Holdnack et al., 2011) eller genomsnittliga kognitiva förmågor. Så kognitiv funktionsnedsättning bör vara oroande när man väljer vilket bedömningsverktyg som helst att använda med personer med ASD och när man tolkar resultaten av deras prestationer utifrån det måttet. Vid sidan av kognitiv funktionsnedsättning spelar språkfördröjning en betydande inverkan på IQ-resultatet, som Bodner et al. (2014) bevisade i sin studie att det resulterade i bättre WAIS-IV IQ än RPM-poäng hos verbalt kapabla vuxna. Således måste flera faktorer beaktas innan man bedömer personer med ASD (sammanhang, situation, bedömda förmågor, olika metoder) och prioriterar en multi-metod multi-informant strategi. Därför bör man vara försiktig att förutsäga den akademiska eller adaptiva funktionen hos personer med ASD över livslängden baserat på kognitiva bedömningsverktyg eftersom varken Wechsler eller RPM samlar in all information som behövs för att bedöma kognitiv funktion hos personer med ASD.

Begränsningar och riktningar för framtida forskning

En möjlig begränsning av studien är det lilla antalet kvinnliga deltagare jämfört med de manliga deltagarna, vilket kan utesluta generalisering av resultat. Dessutom kan det minskade kvinnliga ASD-provet och resultaten av inga könsskillnader på generella IQ-resultat delvis bero på den kvinnliga provstorleken. Urvalet var dock sammansatt av olika antal män och kvinnor beroende på ASD-prevalensen.

Endast förekomsten eller frånvaron av samsjukligheter i fynden har undersökts i forskningen. Även om ett begränsat antal deltagare hade kliniska diagnoser som kan ha en stark effekt på WAIS-IV-deltest, såsom psykotiska störningar eller ADHD, behövs ytterligare studier för att utvärdera den enskilda effekten av samsjukligheter på utfall.

Tillgänglighet av data och material

De anonymiserade datamängderna som analyseras i den aktuella studien är tillgängliga från motsvarande författare på begäran.

Erkännanden.

Vi tackar alla som deltagit i denna studie. Vi uppskattar deltagandet av autistiska deltagare och deras anhöriga som med sitt intresse och engagemang möjliggör autismforskning.

Ekonomiskt stöd.

Inget ekonomiskt stöd erhölls för forskningen.

Intressekonflikt.

Ingen intressekonflikt rapporterades av författarna.

Etiska normer.

Alla förfaranden som utfördes i studier som involverade mänskliga deltagare var enligt den institutionella och/eller nationella forskningskommitténs etiska normer och med 1964 års Helsingforsdeklaration och dess senare ändringar eller jämförbara etiska normer.

Referenser

1. Abad F, Sorrel M, Román F och Colom R (2015) Relationerna mellan WAIS-IV faktorindexpoäng och utbildningsnivå: en bifaktormodell tillvägagångssätt. Psychological Assessment 28, 987–1000.

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

3. Attwood T (2007) Den kompletta guiden till Aspergers syndrom. London: Jessica Kingsley Publishers.

4. Baltes PB, Lindenberger U och Staudinger UM (1998) Lifespan theory in developmental psychology. I Damon W och Lerner RM (red), Handbook of Child Psychology: Vol. 1. Teoretiska modeller för mänsklig utveckling, 5:e utgåvan. Hoboken, NJ: Wiley, s. 1029–1143.

5. Baron-Cohen S (2002) The extreme male brain theory of autism. Trends in Cognitive Sciences 6, 248–254.

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

7. Bodner KE, Williams DL, Engelhardt CR och Minshew NJ (2014) En jämförelse av mått för att bedöma nivån och arten av intelligens hos verbala barn och vuxna med autismspektrumstörning. Research in Autism Spectrum Disorders 8, 1434–1442.

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

9. Borella E, Pezzuti L, De Beni R och Cornoldi C (2020) Intelligens och arbetsminne: bevis från administrering av WAIS-IV till italienska vuxna och äldre. Psykologisk forskning 84, 1622–1634.

10. Ceci SJ (1991) Hur mycket påverkar skolgång den allmänna intelligensen och dess kognitiva komponenter? En omvärdering av bevisningen. Developmental Psychology 27, 703–722.

11. Ceci SJ och Williams WM (1997) Skolgång, intelligens och inkomst. American Psychologist 52, 1051.

12. Charman T, Pickles A, Simonoff E, Chandler S, Loucas T och Baird G (2011) IQ hos barn med autismspektrumstörningar: data från 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 och Centers for Disease Control and Prevention (CDC) (2016) Prevalens och egenskaper hos autismspektrumstörning bland barn i åldern 8 år – nätverk för övervakning av autism och utvecklingsstörningar, 11 platser, USA, 2012. MMWR Surveillance Summaries 65, 1–23.

For more information:1950477648nn@gmail.com