在儿童自闭症评级表中不同项的功能 自闭症谱系障碍儿童评级表第一版 基于机器学习方法

科学领域:

• 心理测量 心理测量 心理测量
• 临床心理学 临床心理学
• 发育儿科 发育儿科

背景情况:

• 儿童自闭症评分表第一版 (CARS1) 被广泛用于诊断自闭症谱系障碍 (ASD).
• 评估诊断工具的心理测量特性对于准确的临床评估至关重要.
• 拉什分析为评估评级表的测量特性提供了一个强大的框架.

研究的目的:

• 评估CARS1的心理测量特性,使用拉什分析对患有自闭症的儿童进行评估.
• 评估CARS的可靠性和有效性1.
• 在CARS1.1中识别潜在的偏差和测量不准确性.

主要方法:

• 拉什分析,特别是部分信用模型 (PCM),用于检查CARS1的心理特征.
• 用最少绝对收缩和选择运算符 (GPCMlasso) 的通用部分信贷模型来检测差异项目功能 (DIF).
• 来自被诊断患有自闭症儿童的数据被分析,以评估项目和规模的表现.

主要成果:

• 汽车1证明了可接受的适合PCM,支持它的单维性.
• 在所有CARS1项目中发现了功能失调的类别和DIF.
• 发现CARS1上的表现与年龄组,性别,症状分类和自闭症症状的严重程度有关.

结论:

• 拉什分析提供了证据,支持CARS1对ASD评估的临床实用性.
• 某些项目可能会产生不准确的测量结果,因为类别结构不足于最佳.
• 人口和临床变化 (年龄,性别,症状分类) 可以引入偏见,需要谨慎地解释不同人群中的CARS1结果.