相关实验视频
Updated: Jul 10, 2026
10:32
Development of a Virtual Reality Assessment of Everyday Living Skills
Published on: April 23, 2014
18.4K
使用计算方法协调两个适应性功能指标:根据适应性行为评估系统II (ABAS-II) 评分预测葡萄园适应性行为II (VABS-II) 尺度
Corinna Smith1, Alexandra Lautarescu2, Tony Charman2
1Autism Research Centre, Bloorview Research Institute, Holland Bloorview Kids Rehabilitation Hospital, 150 Kilgour Road, Toronto, ON, M4G 1R8, Canada.
Molecular autism
|December 4, 2024
概括
数据协调对于自闭症研究是可行的. 分析方法可以从适应性行为评估系统II (ABAS) 的评分中预测Vineland适应性行为尺度II (VABS) 的得分,从而帮助多个地点的研究.
科学领域:
- 神经科学是一个神经科学.
- 发展心理学 发展心理学
- 生物统计学 生物统计学
背景情况:
- 自闭症谱系障碍 (ASD) 研究需要大量,多样化的数据集.
- 跨研究的数据共享至关重要,但由于评估工具的多样性而具有挑战性.
- 数据协调技术,包括计算得分转换,对于整合多站点数据至关重要.
研究的目的:
- 研究分析方法来协调来自两个适应性功能测量的数据.
- 使用自适应行为评估系统II (ABAS) 的得分预测Vineland自适应行为量 II (VABS) 的得分.
主要方法:
- 利用了来自安大略省神经发育障碍网络的720名参与者的数据.
- 使用六种回归模型 (OLS,,ElasticNet,LASSO,AdaBoost,随机森林) 来从ABAS得分,人口统计和表型措施中预测VABS得分.
- 在预测模型中包括年龄,性别,诊断,核心和并发特征,智商和症状严重程度等变量.
主要成果:
- 在自闭症组中,VABS分数明显高于ABAS分数,差异与年龄负相关.
- 所有测试的回归估计器都显示了类似的预测性能,平均绝对误差没有显著差异.
- 对VABS分数最有影响力的预测因素是ABAS复合分数,诊断和年龄.
结论:
- 该研究支持使用计算方法对自闭症研究数据协调的可行性.
- 使用ABAS复合分数,原始域分数,年龄,性别和诊断的线性回归模型为协调提供了一个实用的方法.
- 未来的研究应该探索在不同的适应性功能指标中转换特定领域的得分.
