Wechsler-Intelligenzskala für Erwachsene – Profile von Erwachsenen mit Autismus-Spektrum-Störung, vierte Auflage

Abstrakt

Ziel.

In dieser Studie haben wir die kognitiven Profile der 229 Wechsler Adults Intelligence Scale – Fourth Edition (WAIS-IV) von Erwachsenen mit unterschiedlichem Schweregrad und Autismus-Spektrum-Störung verglichen, um die Auswirkungen mehrerer Variablen zu überprüfen, darunter Geschlecht, Alter, Bildungsniveau und Schweregrad des Autismus in einer italienischen Probe. Darüber hinaus wollten wir die optimalen Schnittpunkte für die wichtigsten Intelligenzquotienten herausfinden, um den Schweregrad von Autismus zu unterscheiden.

Autismus ist eine neurologische Entwicklungsstörung, bei der das Gedächtnis bei Menschen mit Autismus häufig beeinträchtigt ist. Allerdings verfügen Menschen mit Autismus in manchen Bereichen über ein ausgezeichnetes Gedächtnis.

Menschen mit Autismus verfügen oft über ein sehr starkes visuelles Gedächtnis, beispielsweise über die Fähigkeit, sich problemlos an Details und Bilder zu erinnern. Darüber hinaus ist auch ihr Langzeitgedächtnis sehr gut. Selbst Erinnerungen, die einst zeitlich und räumlich weit voneinander entfernt lagen, können noch in Erinnerung gerufen werden.

Umgekehrt können Menschen mit Autismus Schwierigkeiten mit der Sprache und der sozialen Interaktion haben. Sie können unter anderem Schwierigkeiten haben, Gespräche zu meistern, die Körpersprache zu verstehen und sich an alltägliche Dinge zu erinnern. Dieser Zustand kann zu Schwierigkeiten im sozialen und akademischen Leben führen.

Dennoch können soziale und akademische Defizite die Talente autistischer Menschen in anderen Bereichen nicht ausgleichen, und ihr visuelles Gedächtnis und ihr Langzeitgedächtnis bringen dennoch viele Vorteile für ihr Lernen und ihr Leben mit sich. Für Menschen mit Autismus liegt der Schlüssel darin, ein Lernmodell und eine Lernmethode zu finden, die zu ihnen passen, damit sie ihr Gedächtnis und andere Potenziale voll ausschöpfen und ihre Träume und Ziele verwirklichen können. Es ist ersichtlich, dass wir unser Gedächtnis verbessern müssen. Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola ein traditionelles chinesisches Arzneimittel mit vielen einzigartigen Wirkungen ist, darunter die Verbesserung des Gedächtnisses. Die Wirksamkeit von Hackfleisch beruht auf den verschiedenen darin enthaltenen Wirkstoffen, darunter Säure, Polysaccharide, Flavonoide usw. Diese Inhaltsstoffe können die Gesundheit des Gehirns auf verschiedene Weise fördern.

Klicken Sie auf Möglichkeiten zur Verbesserung der Gehirnfunktion

Methoden.

Die Teilnehmer wurden aus zwei nationalen Gesundheitssystemzentren in zwei verschiedenen italienischen Regionen rekrutiert und im Rahmen ihrer klinischen Bewertung mit Goldstandard-Instrumenten beurteilt. Laut DSM-5 wurden kognitive Bereiche auch mit mehrkomponentigen Tests gemessen. Wir haben die italienische Adaption von WAIS-IV verwendet. Wir haben unsere Hypothesen mithilfe linearer Regressionsmodelle und ROC-Kurven (Receiver Operating Characteristics) überprüft.

Ergebnisse. Unsere Ergebnisse zeigten, dass Alter und Bildungsniveau einen starken Einfluss auf das Verbal Comprehension (VCI) und den Working Memory Index (WMI) haben. Geschlechtsspezifische Unterschiede sind relevant, wenn man den VCI und den Processing Speed ​​Index (PSI) berücksichtigt, bei denen Frauen die besten Leistungen erzielten. Diese Unterschiede sind immer noch relevant, wenn man die Schnittpunkte des ROC berücksichtigt, da sich herausstellte, dass 69 der optimale Schnittpunkt für Frauen und 65 für Männer war.

Schlussfolgerungen.

Nur durch die Untersuchung der FSIQ-Werte (Full Scale Intelligence Quotient) können nur wenige Schlussfolgerungen gezogen werden, da diese unterschiedliche Informationen über allgemeinere kognitive Fähigkeiten enthalten. Bei genauerer Betrachtung der Hauptindizes und ihrer Untertests stimmen die Ergebnisse mit früheren Untersuchungen zu der Störung überein (moderate Korrelationen von FSIQ, Perceptual Reasoning Index, WMI und PSI mit dem Alter der Teilnehmer), während andere Ergebnisse unvorhersehbar sind (keine Auswirkung des Geschlechts auf gefunden). FSIQ-Score) oder Roman (signifikanter Einfluss der Bildung auf VCI und WMI). Die Verwendung eines Algorithmus, der optimale Schnittpunkte für die Unterscheidung nach Autismus-Schweregraden vorhersagt, kann Klinikern dabei helfen, die erforderliche Hilfe, die eine Person möglicherweise benötigt, besser zu kennzeichnen und zu quantifizieren. Ein Test kann die diagnostische und klinische Bewertung durch erfahrene Kliniker nicht ersetzen.

Einführung

Die Autismus-Spektrum-Störung (ASD) ist eine neurologische Entwicklungsstörung mit frühem Beginn und genetischer Komponente. ASD ist durch Defizite in der sozioemotionalen Reziprozität, beeinträchtigte verbale und nonverbale Kommunikationsfähigkeiten und die Unfähigkeit, angemessene soziale Beziehungen zu Gleichaltrigen aufzubauen und aufrechtzuerhalten, gekennzeichnet. ASD-Kernsymptome sind mit sich wiederholenden verbalen und motorischen Verhaltensweisen, eingeschränkten Interessenmustern, dem Bedürfnis nach einer unveränderlichen Umgebung (oder auf jeden Fall vorhersehbar und stabil) und Unter- oder Überempfindlichkeit gegenüber sensorischen Eingaben verbunden. Die klinischen Symptome treten in den ersten Lebensjahren auf (APA, 2013). Planer berücksichtigen die Möglichkeit mehrerer Komorbiditäten, wie etwa eines kognitiven Defizits, einer Sprachbeeinträchtigung, einer Katatonie, medizinischer oder umweltbedingter Faktoren oder anderer neurologischer Entwicklungsstörungen.

Aktuelle Prävalenzschätzungen gehen von 1:44 Kindern in den USA und 1:77 Kindern in Italien aus (Maenner et al., 2016). Die Prävalenz bei Erwachsenen liegt bei etwa 1:68, was einen deutlichen Anstieg der Population erwachsener Menschen mit Autismus-Spektrum-Störung (ASD) zeigt (Christensen et al., 2016). Neben diesem Faktor ist ein weiteres relevantes Element, das berücksichtigt werden muss, das Geschlechterverhältnis bei autistischen Menschen (Loomis et al., 2017), das noch immer umstritten ist und zu gemischten Ergebnissen führt. Geschlechtsspezifische genetische Faktoren und die Anfälligkeit des Mannes für Hirnschädigungen können für einige der geschlechtsspezifischen Unterschiede verantwortlich sein (APA, 2013). Jüngste epidemiologische Studien ergaben eine männliche Dominanz von 2–3:1 im Vergleich zu dem häufig zitierten Verhältnis von 4–5:1 aus früheren Studien (Mattila et al., 2011; Idring et al., 2012; Baxter et al., 2015; Zablotsky et al., 2015; Keller et al., 2020), obwohl dieses Verhältnis von den intellektuellen Fähigkeiten abhängen kann und nur 2:1 zu betragen scheint, wenn ASD mit geistiger Behinderung verbunden ist, und sogar 6–8:1 bei Hochfunktionsstörungen Autismus (HFA; Fombonne, 2005, 2009). Es wird angenommen, dass diese höhere männliche Prävalenz auf die Fähigkeit autistischer Frauen zurückzuführen ist, ihre sozialen Schwierigkeiten zu verbergen, auf kulturelle Faktoren und auf eine geringere Anzahl von Studien zu ASD in der weiblichen Bevölkerung (Attwood, 2007; Lai et al., 2011; Kirkovski). et al., 2013) und verschiedene ASD-Phänotypen (Mandy et al., 2012; Van Wijngaarden-Cremers et al., 2014; Howe et al., 2015). Eine aktuelle Studie von Wilson et al. (2016), an der 1244 zur ASD-Beurteilung überwiesene Erwachsene (935 Männer und 309 Frauen) teilnahmen, berichteten über Geschlechtsunterschiede im klinischen Ergebnis. Die Ergebnisse kamen zu dem Schluss, dass bei 639 Männern und 188 Frauen ASD jeglicher Unterart diagnostiziert wurde. Tatsächlich wurde in der Studie kein signifikanter Einfluss des Geschlechts (männlicher IQ > weiblicher IQ; F(2)=2.47, p=0.09, η2 p=0.02) festgestellt IQ wurde gefunden. In Bezug auf die Intelligenzergebnisse bestätigten ihre Ergebnisse frühere Untersuchungen, die von niedrigeren IQ-Werten bei Frauen mit der Diagnose ASD im Vergleich zu männlichen Teilnehmern berichteten (Fombonne, 2005). Tatsächlich fanden Halpern und LaMay (2000) keinen signifikanten Geschlechtsunterschied für den G-Faktor, wohingegen Geschlechtsunterschiede eine Rolle bei den Leistungen auf Subtest- und Indexebene spielen, indem sie die Wechsler-Intelligenzskala für Erwachsene – 4. Auflage (WAIS-IV; Wechsler, 2013) verwenden. .

Studien an der typischen Entwicklungspopulation (TD), die die Geschlechtsunterschiede mithilfe von Untertests und abgeleiteten Indizes aus WAIS-IV untersuchten, zeigten bessere Leistungen von Männern in den Indizes IQ, Verbal Comprehension (VC), Perceptual Reasoning (PR) und Arbeitsgedächtnis (WM) ( Longman et al., 2007; Irwing, 2012; Daseking et al., 2017). Stattdessen war der Verarbeitungsgeschwindigkeitsindex (PS) der einzige, bei dem Frauen bessere Ergebnisse erzielten. Diese Ergebnisse standen im Einklang mit einer italienischen Studie von Pezzuti et al. (2020) festgestellt, dass Männer im Arithmetik-Subtest und im WMI des WAIS-IV deutlich bessere Ergebnisse erzielten als Frauen. In ihrer Studie, in der die Leistungen von TD bei WAIS-R und WAIS-IV verglichen wurden, schienen die geschlechtsspezifischen Unterschiede in der WAIS-R-Stichprobe breiter und umfangreicher zu sein, wie andere frühere Autoren bei der Verwendung von WAIS-III erwähnten (Dolan et al., 2006; Van der Sluis). et al., 2006). In einer Faktorenanalysestudie von Colom und Garcia-Lopez (2002) wurde dargelegt, dass es bei der spanischen Standardisierung des WAIS-III keine geschlechtsspezifischen Unterschiede in der allgemeinen Fähigkeit (g) gibt. Die Autoren gaben an, dass die durchschnittlichen Geschlechtsunterschiede zugunsten von Männern auf bestimmte Gruppenfaktoren und Testspezifität zurückzuführen sind. Ebenso die Ergebnisse von Van der Sluis et al. (2006) unter Verwendung des niederländischen WAIS-III zeigen Unterschiede zwischen Männern und Frauen in der Leistung hinsichtlich spezifischer kognitiver Fähigkeiten, nicht jedoch in der allgemeinen Intelligenz (g). Im Gegensatz dazu berichtete Irwing (2012) für die US-Standardisierungsstichprobe des WAIS-III über Geschlechtsunterschiede nicht nur hinsichtlich spezifischer Fähigkeiten, sondern auch bei g. Männer übertrafen Frauen bei der allgemeinen Intelligenz [Full Scale Intelligence Quotient (FSIQ)] und bei Untertests wie Information, Arithmetik und Symbolsuche, während Frauen beim Verarbeitungsgeschwindigkeitsindex (PSI) besser abschnitten als Männer.

Auch das Bildungsniveau (Ceci und Williams, 1997; Gustafsson, 2001) und das Alter tragen zum Verständnis der Unterschiede bei den IQ-Ergebnissen bei. Ceci (1991) weist darauf hin, dass die kognitiven Fähigkeiten umso besser sind, je länger die Ausbildung dauert. Dieses Phänomen ist auf die Darstellung von Kontexten zurückzuführen, die es den Menschen ermöglichen, relevante Informationen zu lernen, sich auf Probleme zu konzentrieren, und es vermittelt kognitive Ansätze, auf denen die meisten Intelligenztests basieren. Ergebnisse einer italienischen Studie (Tommasi et al., 2015) zeigten, dass der WAIS-R individuelle Unterschiede in der Intelligenz erkennt, die anhand von IQ-Werten auf verschiedenen Bildungsniveaus richtig gemessen werden. Tatsächlich gibt es pro Bildungsjahr einen durchschnittlichen Anstieg von 1,9 IQ-Punkten im IQ-Global-Composite-Score. Wie bereits angedeutet, muss das Alter berücksichtigt werden, wenn IQ-Unterschiede und Effizienz im Zeitverlauf berücksichtigt werden (Baltes et al., 1998; Schaie und Willis, 2010). Die meisten Studien konzentrierten sich auf die Schlüsselrolle des Arbeitsgedächtnisses und seinen Zusammenhang mit allgemeinen Fähigkeiten. Es wurde argumentiert, dass bei TD ein erheblicher schädlicher Einfluss des Alters auf die Ressourcen des Arbeitsgedächtnisses besteht (Craik und Salthouse, 2008; Robert et al., 2009).

Daher ist das Profil des Intelligenzniveaus neben anderen kognitiven, neuropsychologischen, soziodemografischen und Kernsymptommessungen einer der relevanten Faktoren, die bei der Diagnose von Menschen mit ASD berücksichtigt werden müssen (Happé et al., 2016). Das Erkennen, wie sich dieses Konstrukt bei Menschen mit ASD unterscheiden kann, kann für die Identifizierung von ASD-Subtypen von entscheidender Bedeutung sein (Grzadzinski et al., 2013). Daher verändern sich ASD-Subtypen entsprechend unterschiedlicher kognitiver Fähigkeitsmuster (Grzadzinski et al., 2013). Dennoch gibt es keine charakteristischen IQ-Profile von Personen mit ASD (Siegel et al., 1996; Ghaziuddin und Mountain-Kimchi, 2004; Goldstein et al., 2008; Williams et al., 2008; Charman et al., 2011). Die Beurteilung der intellektuellen Fähigkeiten war bei Personen mit Autismus-Spektrum-Störung aufgrund ihrer Merkmale und Beurteilungsinstrumente schwieriger. Viele Forscher konzentrierten sich auf Kinder, aber nur wenige Autoren untersuchten kognitive Leistungsmuster bei Erwachsenen mit ASD und wie diese Muster Schweregrade und typische Leistungskonfigurationen unterscheiden können. WAIS-IV (Wechsler, 2013) ist der am weitesten verbreitete und erneuerte kognitive Leistungstest zur Beurteilung verbaler Erwachsener mit ASD. Weitere standardisierte Intelligenzmaße sind Stanford-Binet (z. B. Roid, 2003), Raven's Progressive Matrices (RPM; Raven et al., 1998) und Leiter-3 (Roid et al., 2013). Die Verwendung von Wechsler-Skalen wurde durch mehrere Studien unterstützt (Filipek et al., 1999; Mottron, 2004). Dennoch haben frühere Untersuchungen gezeigt, dass das RPM (Raven et al., 1998) für die Beschreibung des kognitiven Profils von Menschen mit ASD besser geeignet sein könnte (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011).

Tatsächlich haben Dawson et al. (2007) kann es sein, dass die Wechsler-Skala die Intelligenz von Personen mit Autismus-Spektrum-Störung unterschätzt, vor allem weil sie den Schwerpunkt auf verbale Anweisungen und Aufgaben legt. Die Struktur und die Eigenschaften des RPM eignen sich jedoch für flüssige Denkaufgaben und sind möglicherweise ein geeigneteres Maß für die Intelligenz von Menschen mit ASD. Ergebnisse des Vergleichs zwischen den Leistungen des Wechsler- und RPM-Scores von Erwachsenen mit und ohne ASD zeigten eine signifikant höhere Leistung der ASD-Gruppe beim RPM im Vergleich zur TD-Gruppe, deren Leistungen auf allen Skalen keine signifikanten Unterschiede aufwiesen. Die IQ-Diskrepanz zwischen Menschen mit ASD und TD ermöglichte jedoch ein tiefgreifendes Verständnis der Unterschiede in den kognitiven Leistungen von ASD-Menschen, die RPM und die Wechsler-Skala verwenden. Ergebnisse einer separaten, aber verwandten Studie legen nahe, dass die höhere Leistung beim RPM im Vergleich zu den Wechsler-Messungen vor allem bei Personen mit ASD mit kognitiver Beeinträchtigung auftritt (Bölte et al., 2009). Holdnack et al. (2011) verglichen die Leistungen zwischen der Kontrollgruppe, HFA und der Asperger-Störung (AS) in den WAIS-IV-Untertests. Es wurden keine statistisch signifikanten Unterschiede zwischen AS- und Kontrollgruppen festgestellt, wohingegen die HFA-Gruppe die niedrigsten Werte aufwies. Allerdings zeigten die Leistungen der ASD- und Kontrollgruppen bei Matrix Reasoning und Digits Forward keine signifikanten Unterschiede. Bei den Kodierungsuntertests unterschieden sich alle drei Gruppen deutlich voneinander. Bei visuellen Rätseln, bei denen die HFA-Gruppe deutlich schlechter abschnitt als die Kontrollgruppe, unterschied sich die AS-Gruppe schließlich weder von der HFA- noch von der Kontrollgruppe.

Zusammenfassend lässt sich sagen, dass mehrere demografische Variablen mit unterschiedlichen kognitiven Fähigkeiten bei TD verbunden sind. Allerdings hat unseres Wissens nach keine Studie die Auswirkungen von Alter, Geschlecht, Bildungsniveau und Grad des Autismus auf die kognitiven Leistungen von Menschen mit ASD, gemessen mit dem italienischen WAIS-IV in einer großen Stichprobe, gemeinsam bewertet. Daher haben wir in der vorliegenden Studie mehrere Hypothesen getestet:

(1) Testen Sie den Zusammenhang zwischen den demografischen Variablen und dem Grad des Autismus mit FSIQ, Hauptindizes und Untertests als vorbereitenden Schritt für weitere und eingehende Analysen. Es wurde eine moderate Korrelation zwischen Alter und Bildungsniveau sowie dem FSIQ und den Hauptindizes erwartet.

(2) Unter der Annahme, dass der FSIQ die Stärken und Schwächen von Menschen mit ASD, die mit dem WAIS-IV bewertet wurden, nicht vollständig erklären konnte, wollten wir herausfinden, ob wie beim TD signifikante Auswirkungen der unabhängigen Variablen auf die vier Indizes zusammen (VCI, WMI) festgestellt wurden , PRI, PSI) und die zugrunde liegenden Untertests. Insbesondere erwarteten wir keine geschlechtsspezifischen Unterschiede im FSIQ bei beiden Autismusstufen; erhebliche Auswirkungen von Alter und Bildungsniveau auf VCI, WMI und PSI; und die besseren Leistungen weiblicher ASD-Teilnehmer beim PSI.

(3) Schließlich wollten wir die Hypothese testen, dass bessere Leistungen bei den vier Indizes weniger schwere autistische Symptome vorhersagen können. Tatsächlich wurden optimale Cut-off-Scores zur Unterscheidung der Schweregrade von Autismus mithilfe von WAIS-IV untersucht.

Methoden

Teilnehmer

Insgesamt wurden 270 Erwachsene mit ASD (Mage=26.3 SD=9.35) im Regionalzentrum für Autismus-Spektrum-Störung in Turin und im Regionalzentrum für Autismus in L. untersucht 'Aquila (Italien). Das Regionalzentrum von ASL Citta di Torino ist eine nationale Abteilung für psychische Gesundheit, die Dienstleistungen für Menschen mit ASD anbietet. Das Zentrum bietet klinische Beurteilungen sowie psychologische und pädagogische Interventionen für Menschen mit Autismus (Keller et al., 2{{108}}20). Das regionale Referenzzentrum für Autismus – eine Struktur des Gesundheitssystems der Region Abruzzen – führt diagnostische, klinische und beratende Aktivitäten durch und bietet Behandlungen für Personen mit ASD an. Die meisten Patienten wurden vom Allgemeinpsychiater zur ASD-Beurteilung überwiesen und kamen zum ersten Mal in eines der Zentren oder kehrten für eine Nachuntersuchung zurück. Alle Diagnosen wurden gemäß den Kriterien des Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5) (APA, 2013) unter Berücksichtigung der klinischen Anamnese, des klinischen Interviews und der kognitiven Beurteilung mit WAIS gestellt. IV (Orsini und Pezzuti, 2013), diagnostische Auswertung mit ADI-r (Rutter et al., 2003) und ADOS Modul 4 (Lord et al., 2002) oder RAADS (Ritvo et al., 2011). ), einem strukturierten diagnostischen Weg folgend (mehrstufiges Netzwerkmodell, Keller et al., 2020). Von der gesamten Stichprobe erhielten 169 Personen die Diagnose ASD der Stufe 1 (männlich=75 %, mittelmäßig=12,4, SD=2,64; weiblich=25 %, mittelmäßig=13.6, SD=2.91), 60 mit ASD Level 2 (männlich=75 %, Medu=10.9, SD=2.18; weiblich=25%, Medu=11.3, SD=2.47) und 39 mit ASD Level 3 (männlich=79%, Medu=10.9, SD=1.96; weiblich = 21 %, mittelmäßig=11.5, SD=1.60). Um in die Studie aufgenommen zu werden, erhielten alle Patienten eine formelle klinische Diagnose von ASD gemäß den Kriterien des DSM-5 (APA, 2013). Personen mit komorbider Psychopathologie (n=42) wurden nur einbezogen, wenn sie sich entweder in Remission befanden oder nur minimale Auswirkungen auf die tägliche Funktionsfähigkeit hatten. Insgesamt 3,9 % mit ASD-Stufe 1 und komorbiden depressiven Störungen (männlich=3 %, weiblich=0,9 %), 3,49 % mit ASD-Stufe 1 und Persönlichkeitsstörungen (männlich=2). 18%, weiblich=1.31%), 2,18% mit ASD-Stufe 1 und spezifischen Lernstörungen (männlich=1.31%, weiblich=0.87%), 1,31% Menschen mit ASD-Stufe 1 (männlich=0.43 %, weiblich=0.86 %) und 0,43 % Männer mit ASD-Stufe 2 und Zwangsstörung, 1,31 % mit ASD-Stufe 1 und Epilepsie (männlich=0.87 %, weiblich = 0.43 %), 1,31 % mit ASD-Stufe 1 und Angststörung (männlich = 0.43 %, weiblich=0.87 %), 1,31 % mit ASD-Stufe 1 und Schizophrenie (männlich=0,87 %, weiblich=0,43 %), 0,87 % mit ASD-Stufe 1 und Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (männlich {{ 112}},43 %, weiblich = 0,43 %, 0,87 % mit ASD Stufe 1 und Entwicklungskoordinationsstörung (männlich=0,43 %, weiblich=0,43 %), Eingeschlossen waren 0,43 % Frauen mit ASD-Stufe 1 und Turner-Syndrom, 0,43 % Männer mit ASD-Stufe 2 und Tourette-Syndrom, 0,43 % mit ASD-Stufe 1 und Geschlechtsdysphorie.

Insgesamt wurden 39 Teilnehmer mit Level 3 und zwei Teilnehmer mit Level 2 aus der ursprünglichen Stichprobe ausgeschlossen, da sie für eine verbale kognitive Bewertung mit WAIS-IV nicht geeignet waren, da ihre Kommunikation über Gesten oder andere alternative Kommunikationssysteme erfolgte.

Alle demografischen Variablen und Merkmale der endgültigen Stichprobe sind in Tabelle 1 aufgeführt.

Maßnahmen

Daten zu kognitiven Fähigkeiten wurden mithilfe des WAIS-IV erhoben (Wechsler, 2013). Der WAIS-IV dient der Beurteilung des intellektuellen Profils von Menschen im Alter zwischen 16 und 90 Jahren. Es besteht aus vier Werten und einem allgemeinen Intelligenzindex. Die vier Indizes sind VCI, PRI, WMI und PSI. Jeder Index besteht aus zwei oder drei Untertests, die erforderlich sind, um den Gesamt-IQ-Score zu erhalten. Die zehn Kernuntertests sind Wortschatz, Information, Ähnlichkeiten, Ziffernspanne, Arithmetik, Blockdesign, Matrix-Denken, visuelle Rätsel, Codierung und Symbolsuche. Es enthält außerdem fünf zusätzliche Untertests: Verständnis, Buchstaben-Buchstaben-Zahlen-Reihenfolge, Figurengewichte, Bildvervollständigung und Stornierung. In unserer Stichprobe haben wir die Zehn-Kern-Untertests für alle ASD-Personen und -Stufen verwendet. Wir haben die Subtest-Ergebnisse, die Indizes-Ergebnisse und den vollständigen IQ-Index berechnet. Jeder Rohwert wurde mit italienischen Standardisierungswerten des WAIS-IV korrigiert (Orsini und Pezzuti, 2013).

Das WAIS-IV und die gesamte psychologische Beurteilung wurden von einem zugelassenen Psychologen in einem großen und hellen Raum in einer Sitzung von 45 Minuten bis 1,5 Stunden durchgeführt. Die Struktur des WAIS-IV und seiner Indizes und Untertests ist in Tabelle 2 dargestellt.

Das Alter jedes Teilnehmers wurde zum Zeitpunkt der WAIS-IV-Verabreichung berechnet und in ganzen Zahlen ausgedrückt.

Der Grad des Autismus wurde gemäß DSM-5 (APA, 2013) in drei verschiedene Stufen eingeteilt, sodass Stufe 1 die weniger schwerwiegende und Stufe 3 die schwerwiegendste war. Der Schweregrad wurde durch klinische Interviews ermittelt, die von zwei unabhängigen Psychologen und einem Psychiater mit Teilnehmern und Betreuern durchgeführt wurden. Schließlich besprach und stimmte das gesamte professionelle Team bei einem abschließenden Treffen einer der drei von der Person benötigten Unterstützungsstufen zu.

Die Bildungsjahre wurden erfasst, wobei jedes Jahr des Schulzyklus vollständig abgeschlossen wurde. Eventuell unterbrochene Unterrichtsjahre wurden nicht zur Zahl hinzugerechnet. Unter Berücksichtigung des italienischen Pflichtschulsystems wurden somit 5 Jahre angesetzt, wenn eine Person den ersten Schulzyklus abschloss. Weitere 3 Jahre wurden gewährt, wenn eine Person den zweiten Schulzyklus abschloss. Schließlich wurden 5 Jahre berücksichtigt, wenn eine Person den letzten Pflichtschulzyklus abgeschlossen hatte. Darüber hinaus wurden 3 bis 5 Jahre zusätzliche Bildungsjahre gewährt, wenn eine Person einen Bachelor- oder Masterabschluss erlangte.

Psychopathologische Komorbidität wurde als dichotome Variable im Hinblick auf das Vorliegen oder Fehlen einer Störung angesehen.

Datenanalyse

Um die gesammelten Daten besser beschreiben und verstehen zu können, wurde ein analytischer Ansatz verwendet. Zunächst wurden deskriptive und korrelative Analysen durchgeführt, um Daten und die Verteilung der Variablen über die ASD-Ebenen zu untersuchen und festzustellen, ob ein Zusammenhang zwischen den interessierenden Variablen besteht. Eine moderate Assoziation zwischen Variablen stellt eine der Voraussetzungen für die Erforschung von Ursache-Wirkungs-Phänomenen durch eine eingehende anschließende Analyse dar.

Um die Auswirkungen soziodemografischer und ASD-bezogener Variablen auf kognitive Leistungsindizes besser zu verstehen, wurden tatsächlich lineare Regressionsmodelle verwendet, um die Auswirkungen von Alter, Bildung, ASD-Niveau, Geschlecht und Komorbidität auf WAIS-IV-Indizes zu analysieren. Die lineare Regression ist eine prädiktive Analyse, mit der ermittelt wird, ob eine Reihe von Prädiktorvariablen (unabhängige Variablen) ein Ergebnis vorhersagen (abhängige Variablen). Durch die Analyse des Varianztests haben wir einen Gesamteffekt unter Berücksichtigung der Unterschiede zwischen den Mittelwerten bewertet. Stattdessen wurde der p-Wert für jeden Mittelwert in den Regressionsmodellen verwendet, um leicht zu verstehen, welcher Mittelwert sich vom Referenzwert unterscheidet.

Darüber hinaus führten wir in einem Kaskadenansatzmodell eine tiefergehende Analyse durch, wobei wir jeden Index als abhängige Variable und soziodemografische und ASD-bezogene Variablen als Kovariaten betrachteten. Für die nachfolgenden Analysen führten wir eine multivariate Kovarianzanalyse (MANCOVA) durch, um statistische Unterschiede bei mehreren kontinuierlich abhängigen Variablen – den vier WAIS-IV-Indizes – anhand zweier unabhängiger Gruppierungsvariablen zu ermitteln und gleichzeitig eine oder mehrere Variablen, sogenannte Kovariaten, zu kontrollieren. Mithilfe von MANCOVA haben wir ein Modell mit vier abhängigen Variablen (den vier WAIS-IV-Indizes), Geschlecht, ASD-Level und Komorbidität als unabhängige Variablen sowie Alter und Bildung als Kovariaten erstellt. Schließlich wiederholten wir dieselbe Analyse, wobei wir die Untertests jedes Index als abhängige Variablen, Geschlecht, ASD-Level und Komorbidität als unabhängige Variablen und Alter und Bildung als Kovariaten verwendeten.

Ebenso wollten wir im Einklang mit dem dritten Ziel der Forschung zwischen den Schweregraden der ASD unterscheiden. Die Fläche unter der Kurve (AUC) und die Receiver Operating Characteristics (ROC) (Metz, 1978; Zweig und Campbell, 1993) wurden verwendet, um die Leistung der beiden ASD-Level-Gruppen auf zusammengesetzten WAIS-IV-Indizes zu überprüfen. ROC-AUC zeigt, inwieweit die fünf zusammengesetzten WAIS-IV-Scores in der Lage sind, zwischen ASD-Schweregraden zu unterscheiden. Je höher die AUC, desto besser kann das Modell zwischen Teilnehmern mit 1 und 2 Schweregraden unterscheiden. Ein ROC ist ein Diagramm der Richtig-Positiv-Rate (Sensitivität) im Vergleich zur Falsch-Positiv-Rate (1-Spezifität), die mit jedem möglichen Grenzwert für ein Maß verknüpft ist. Die AUC ist ein Maß für die diagnostische Genauigkeit und Vorhersagevalidität, das zum Vergleich des Vorhersagewerts verschiedener Maße verwendet werden kann. Die AUC kann zwischen 0,5 (zufällige Unterscheidung) und 1 (perfekte Unterscheidung) liegen.

Für die Analyse verwendeten wir die Software R Studio (R Studio Team, 2020) und Jamovi (The Jamovi Project, 2021).

Ergebnisse

Für die statistische Analyse wurden zwei Erwachsene mit Level 2 und 39 Erwachsene mit Level 3 ausgeschlossen, da sie nicht mit dem WAIS-IV bewertet werden konnten. Die endgültige Stichprobe bestand also aus 229 Personen der Stufen 1 und 2. Die deskriptiven Statistiken der Stichprobe und der vier Indizes sind in Tabelle 3 dargestellt. Für ein besseres Verständnis der Datenverteilung über die Stufen und Indizes haben wir Histogramme mit a dargestellt Dichte des FSIQ und der vier Indizes in Abb. 1.

In einer einfachen Korrelationsanalyse (siehe Tabelle 4) korrelierte das Alter signifikant mit 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 Assoziationen zwischen den Hauptindizes und Untertests waren signifikant (p < 0.001).

In linearen Regressionsmodellen haben wir die gemeinsamen Auswirkungen von Geschlecht, Bildungsniveau, Autismusniveau, Alter und Komorbidität auf den FSIQ berücksichtigt. In Modell 1 Alter (=0.371; t=2.779; p=0.006), Grad des Autismus ( {{7 }} −35,205; t=−12,636; p < 0,001) und Bildungsniveau (=1,530; t=3,268; p < 0,001) waren signifikant, was darauf hindeutet, dass der FSIQ-Wert umso besser ist, je höher das Alter, der Grad an Autismus und die Bildung sind. Modell 1 erklärte 54,3 % der Varianz der FSQI-Scores (R2 angepasst=0.512, F(4, 224)=60.9, p < 0,001). Es wurden keine signifikanten Auswirkungen der Komorbidität auf den FSIQ festgestellt (= 0.479; t = 0.153; p=0.87).

Mithilfe multivariater multipler Regressionsmodelle mit MANCOVA haben wir verschiedene Hypothesen getestet. In Modell 2 haben wir die gemeinsamen Auswirkungen der unabhängigen Variablen des vorherigen Modells separat auf die vier Indizes (VCI, PRI, WMI, PSI) betrachtet. Geschlecht (F=8.23; p < 0.001), Alter (F=4.54; p=0. 002), Bildungsniveau (F = 3,53; p=0,008) und Autismusniveau (F=63,80; p < 0,001) haben einen signifikanten Einfluss auf die vier Indizes, wenn man sie zusammen betrachtet. Unter Berücksichtigung der gemeinsamen Auswirkungen von Geschlecht und Grad des Autismus auf die vier Indizes (F=1,95; p=0,103) und Komorbiditäten (F=1,77) wurden keine signifikanten Auswirkungen festgestellt ; p=0.135). Daher legt Modell 2 nahe, dass männliche Patienten bessere Leistungen erbringen als weibliche und dass die Ergebnisse der vier Indizes umso besser sind, je höher das Bildungsniveau und das Alter sind. Unter Berücksichtigung der direkten Auswirkung der Variablen auf jeden einzelnen Index stellten wir tatsächlich fest, dass die Auswirkung des Geschlechts statistisch signifikant auf den VCI (F=4.429; p=0.036) und den PSI (F {{ 30}}.835; p=0.001) und blieb signifikant, wenn der gemeinsame Effekt mit dem Pegel auf PSI berücksichtigt wird (F=6.788; p=0.010). Bildung hat einen statistisch signifikanten Einfluss auf VCI (F = 12.374; p ⩽ 0.001) und WMI (F=8.288; p=0.004).

In den folgenden multivariaten multiplen Regressionsmodellen haben wir die Auswirkungen von Geschlecht, Alter, Bildung, Autismusniveau und Komorbiditäten auf die Kernuntertests der vier Indizes bewertet. Ziffernspanne und Arithmetik galten als die Kernuntertests von WMI. Die Ergebnisse zeigten einen signifikanten Einfluss des Autismusgrades (F {{0}},036; p < 0,001), des Alters (F=3,832; p=0,023) und der Bildung (F=4.244; p=0.016) für beide Untertests. Bei WMI-Untertests wurden keine Auswirkungen von Komorbiditäten festgestellt (F=0.121; p=0.886).

Betrachtet man die Kernuntertests des VCI, Geschlecht (F {{{{10}}}}.859; p = 0.038), Bildungsniveau (F=4.822; p=0.003), Grad des Autismus (F=73.258; p < 0,001) und Alter (F=5.932; p < 0,001) hatten einen statistisch signifikanten Einfluss auf die Ähnlichkeiten , Wortschatz und Informationen. Wenn wir uns die Ergebnisse der univariaten Tests ansehen, hat das Geschlecht nur einen signifikanten Einfluss auf den Wortschatz (F=7.337; p=0.007), ohne Bedeutung auf Ähnlichkeiten und Informationen. Bei VCI-Untertests wurden keine Auswirkungen von Komorbiditäten festgestellt (F=0.623; p=0.601).

Tatsächlich war für die Auswirkungen auf Blockdesign, Matrix-Denken und visuelle Rätsel der Grad des Autismus die einzige Kovariate mit einem starken Einfluss auf die drei Untertests (F {{0}}.375; p < 0,001) . Es wurden keine weiteren relevanten Ergebnisse gefunden, außer einem kleinen signifikanten Einfluss des Geschlechts und des Autismusniveaus auf VP (F=4.433; p=0.036).

Das letzte Modell berücksichtigte die Auswirkungen von Variablen auf die Symbolsuche und -kodierung und ergab einen signifikanten Einfluss des Geschlechts (F {{0}}.21; p=0.006) und des Autismusniveaus (F { {4}}.29; p < 0.001) und die Interaktion zwischen Geschlecht und Grad des Autismus (F=3.22; p=0.042) in den beiden Untertests. Wenn jedoch die Auswirkung der auf jedes Untertestalter isolierten Variablen einen statistisch signifikanten Einfluss auf die Symbolsuche hat.

Die ROC-Ergebnisse sind in Tabelle 5 dargestellt. Der vorherigen Analyse zufolge war das Geschlecht bei mehreren Indizes und Untertests statistisch unterschiedlich, und aufgrund der geringen weiblichen Stichprobengröße haben wir beschlossen, Männer und Frauen getrennt zu behandeln. In Tabelle 5 haben wir ROC für weibliche (n=57) und männliche (n=172) Proben verwendet. Unter Berücksichtigung des FSIQ erwiesen sich unterschiedliche Grenzwerte als diskriminierend zwischen den Stufen 1 und 2. Jeder Index unterschied sich statistisch signifikant vom Wahrscheinlichkeitsniveau (= 0.05).

In der weiblichen Stichprobe unterscheidet ein Wert von 69 zwischen den Stufen, während ein Bereich zwischen 65 und 69 zwischen Männern mit unterschiedlichen Autismusstufen unterscheiden kann. Der VCI unterscheidet zwischen Level 1 und 2 bei einem Score von 74 bei weiblichen Teilnehmern. Bei männlichen Teilnehmern hingegen variiert der zu berücksichtigende klinische Bereich zwischen 67 und 76. Der beste PRI-Wert für eine weibliche Stichprobe liegt bei 79, während für die männliche Stichprobe ein Wert von 77 den besten Kompromiss hinsichtlich Sensitivität und Spezifität darstellt. In Bezug auf den WMI ergab ein Grenzwert von 69 einen starken Parameter zur Unterscheidung von Autismus der Stufen 1 und 2 bei Frauen. Für die männliche Bevölkerung liegt ein angemessener Grenzwert bei 72 mit guter Sensitivität und Spezifität. Schließlich war für den PSI in der weiblichen Stichprobe 81 ein guter Grenzwert, während der gute Grenzwert für die männliche Stichprobe bei 70 lag.

Diskussion

Nur wenige Forscher konzentrierten sich auf eine eingehende Untersuchung des kognitiven Profils von Erwachsenen mit Autismus im internationalen Kontext und keine Forschung im italienischen Kontext (Fombonne, 2005; Wilson et al., 2016). Unseres Wissens konzentrierte sich die Mehrheit der Autoren auf die kognitiven und sozialen Leistungen von Kindern oder Jugendlichen mit ASD (Bodner et al., 2014). Mehrere Studien konzentrierten sich auf den Vergleich der kognitiven Leistung von Erwachsenen mit ASD mit TD oder HFA mit AS und TD (Holdnack et al., 2011). Keiner von ihnen untersuchte die Auswirkung soziodemografischer Variablen auf die kognitiven Leistungen von Menschen mit ASD. Deshalb haben wir in unserer Forschung das kognitive Profil von Erwachsenen mit ASD untersucht, bei denen eine klinische Diagnose gestellt wurde. Nachdem wir die Daten mit deskriptiven Analysen untersucht hatten, führten wir eine Korrelation der Gesamtskala, der primären Indexskalen sowie der wichtigsten Subtest- und soziodemografischen Variablen durch. Die Ergebnisse zeigten, dass FSIQ, PRI, WMI und PSI moderat mit dem Alter der Teilnehmer korrelieren. Insbesondere wird angenommen, dass das Bildungsniveau einen erheblichen Einfluss auf die kognitiven Fähigkeiten hat, die anhand der WAIS-IV-Indizes gemessen werden (Ceci, 1991; Baltes et al., 1998; Schaie und Willis, 2010; Pezzuti et al., 2019; Borella et al., 2020). Ein interessantes Ergebnis ist vielmehr die nahezu Unabhängigkeit des Subtests Block Design von Alter und Bildung, der in unserer Stichprobe als kultur- und altersunabhängiger Subtest betrachtet werden kann.

Anschließend verwendeten wir einen Kaskadenansatz und analysierten zunächst den Full-Scale-Index, dann die vier Grundindizes und schließlich die Untertests, die die vier Hauptindizes bilden. Die Entscheidung für diese Wahl wurde getroffen, um die Auswirkungen von zwei Fehlern zu reduzieren: den Fehlern, die bei der Umwandlung der gewichteten Ergebnisse in zusammengesetzte Ergebnisse gemacht wurden, und wenn die Differenz zwischen den Indizes oder Untertests so groß war, dass sie das Ergebnis des Index selbst ungültig machte. Im ersten linearen Regressionsmodell haben wir den Einfluss von Alter, Bildungsniveau, Geschlecht und Autismusgrad auf den FSIQ bewertet. Die Ergebnisse zeigten ein hohes Maß an Signifikanz sowohl für das Alter als auch für die Bildung, was darauf hindeutet, dass jede Punktzahl im FSIQ mit einem Anstieg von 0,37 Jahren korreliert und für jedes Bildungsjahr ein Anstieg von etwa 1,5 Punkten zu verzeichnen ist im FSIQ. Diese Ergebnisse stehen im Einklang mit einer Studie zu TD von Tommasi et al. (2015), die einen durchschnittlichen Anstieg des IQ-Global-Composite-Scores um 1,9 IQ-Punkte pro Bildungsjahr belegten. Im Gegensatz zu unseren Erwartungen und früheren Ergebnissen, die einen Nachteil autistischer Frauen bei den IQ-Werten im Vergleich zu autistischen Männern zeigten, wurden in unserer Stichprobe keine Auswirkungen auf das Geschlecht auf den FSIQ-Wert festgestellt. Wie bereits erwähnt, lassen sich allein durch die Untersuchung der FSIQ-Ergebnisse nur wenige Schlussfolgerungen ziehen, da diese unterschiedliche Informationen über allgemeinere kognitive Fähigkeiten enthalten.

Daher führten wir in Modell 2 eine MANCOVA durch, wobei wir die vier Indizes als abhängige Variablen, Geschlecht und Schweregrade als Faktoren und Alter und Bildung als Kovariaten verwendeten. Die Ergebnisse zeigten einen statistisch signifikanten Unterschied in allen Variablen, außer wenn die Interaktion zwischen Geschlecht und Autismusgrad berücksichtigt wurde. Bei näherer Betrachtung der Ergebnisse und der Auswirkungen der Variablen auf die Indizes zeigen die Ergebnisse einen signifikanten geschlechtsspezifischen Unterschied in den Indizes für das verbale Verständnis und die Verarbeitungsgeschwindigkeit bei den weiblichen Teilnehmern, die bessere Leistungen erbringen als die männlichen Altersgenossen. Dieses letztere Ergebnis ist nicht überraschend, da selbst TD-Erwachsene bei der Verarbeitung von Geschwindigkeitsaufgaben die Männer übertrafen (Daseking et al., 2017). Unerwarteterweise und noch nie zuvor wurde jedoch festgestellt, dass weibliche autistische Erwachsene im Vergleich zu autistischen Männern bessere Vokabelleistungen erbrachten. Obwohl diese Ergebnisse überraschend und neu sind, müssen weitere Studien durchgeführt werden, um die Anzahl der weiblichen und männlichen ASD-Teilnehmer auszugleichen. Der Effekt des weiblichen Vorteils auf den PSI bleibt signifikant, wenn die Wechselwirkung mit dem ASD-Level berücksichtigt wird. Tatsächlich sind die Leistungen weiblicher Teilnehmer am PSI sowohl auf den ASD-Stufen 1 als auch 2 besser. Ein weiteres nicht überraschendes Ergebnis ist die Auswirkung der Bildung auf den Verbal Comprehension-Index, was darauf hindeutet, dass Menschen mit höherer Bildung bessere Leistungen in Bezug auf verbal erworbenes Wissen und verbales Denken erbringen Frühere Literatur weist darauf hin (Tommasi et al., 2015). Die Auswirkungen von Bildung auf das Arbeitsgedächtnis sind jedoch teilweise neu und bleiben signifikant, wenn beide Subtests für die Analyse berücksichtigt werden. Allerdings müssen weitere Studien durchgeführt werden, um die Richtung dieses Effekts besser zu verstehen. Man kann postulieren, dass jahrelange Ausbildung zu besseren Leistungen im Bereich Digit Span und Arithmetik beiträgt, da bessere WMI-Leistungen die Wahrscheinlichkeit eines höheren Bildungsniveaus erhöhen. Unvorhersehbarerweise wurde kein statistischer Effekt des Geschlechts auf WM festgestellt, was zeigt, dass sowohl männliche als auch weibliche Teilnehmer in diesem kognitiven Bereich eine ähnliche Leistung erbringen. Dieses Ergebnis steht im Gegensatz zu einer aktuellen italienischen Studie zu TD von Pezzuti et al. (2020), in dem es eine Outperformance der Männer bei den WMI-Composite-Scores und dem Arithmetik-Untertest gab. Das Fehlen von Auswirkungen des Geschlechts auf diesen Index in unserer autistischen Stichprobe könnte im Lichte der Theorie des extremen männlichen Gehirns (Baron-Cohen, 2002) interpretiert werden, wonach Autismus als ein Extrem des normalen männlichen Profils angesehen werden kann.

In Modell 4 werden Untertests des VCI (Ähnlichkeiten, Wortschatz und Informationen) berücksichtigt und die Ergebnisse zeigten einen signifikanten Effekt auf alle Variablen, außer wenn die Interaktion zwischen Geschlecht und ASD-Level berücksichtigt wird. Bei genauerer Betrachtung der univariaten Analysen werden die signifikanten Auswirkungen von Bildung, Alter und Grad des Autismus auf einzelne Untertests bei jedem Untertest bestätigt. Die Literatur unterstützt diese Ergebnisse und zeigt, dass das Bildungsniveau ein Prädiktor für eine größere verbale Kompetenz ist (Abad et al., 2015). Allerdings verschwanden die früheren Geschlechtsunterschiede, die unter Berücksichtigung der zusammengesetzten VCI-Scores festgestellt wurden, wenn jeder Untertest mit Ausnahme des Wortschatzes für die Analyse berücksichtigt wurde. Selbst dieses Ergebnis steht im Gegensatz zu früheren Untersuchungen (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017), die die Überlegenheit von Männern mit TD im Verbal Comprehension Index darlegten. Umgekehrt schnitten in unserer Stichprobe Frauen mit ASD besser ab als Männer mit ASD, wenn der Wortschatz-Subtest in der Analyse berücksichtigt wurde. Dieser Unterschied wird jedoch nur auf ASD-Stufe 1 als statistisch signifikant angesehen. Bei Berücksichtigung von ASD-Stufe 2 wurden keine Geschlechtsunterschiede in VCI-Untertests festgestellt.

Untertest. Die Literatur unterstützt diese Ergebnisse und zeigt, dass das Bildungsniveau ein Prädiktor für eine größere verbale Kompetenz ist (Abad et al., 2015). Allerdings verschwanden die früheren Geschlechtsunterschiede, die unter Berücksichtigung der zusammengesetzten VCI-Scores festgestellt wurden, wenn jeder Untertest mit Ausnahme des Wortschatzes für die Analyse berücksichtigt wurde. Selbst dieses Ergebnis steht im Gegensatz zu früheren Untersuchungen (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017), die die Überlegenheit von Männern mit TD im Verbal Comprehension Index darlegten. Umgekehrt schnitten in unserer Stichprobe Frauen mit ASD besser ab als Männer mit ASD, wenn der Wortschatz-Subtest in der Analyse berücksichtigt wurde. Dieser Unterschied wird jedoch nur auf ASD-Stufe 1 als statistisch signifikant angesehen. Bei Berücksichtigung von ASD-Stufe 2 wurden keine Geschlechtsunterschiede in VCI-Untertests festgestellt.

In Modell 6 wurden Symbolsuche und Codierung als abhängige Variablen verwendet. Die Ergebnisse zeigten einen statistisch signifikanten Einfluss von Geschlecht und Autismusniveau auf beide Untertests und bestätigten damit die vorherigen Ergebnisse bei der Analyse des PSI-Composite-Scores. Selbst wenn der gemeinsame Effekt von Geschlecht und Autismusgrad kontrolliert wird, bleibt das Ergebnis bei jedem Untertest statistisch signifikant. Dieses Ergebnis steht im Einklang mit früheren Studien zu TD unter Berücksichtigung der weiblichen Überlegenheit im Verarbeitungsgeschwindigkeitsindex (Pezzuti et al., 2020); Daher scheint das gleiche Muster in der ASD-Population aufzutreten.

Die Verwendung von WAIS-IV-Hauptindizes oder Subtest-Cut-off-Scores zur besseren Unterscheidung zwischen Autismusstufen kann kontrovers sein, ist aber für Kliniker nützlich, die die Funktionsweise einer Person gemäß der DSM-5-Klassifizierung (APA, 2013) beschreiben müssen. Für den Full-Scale-Index lagen die besten ermittelten Grenzwerte bei 69 für Frauen und 65 für Männer, wobei die Youden-Indizes verwendet wurden. Im VCI lagen die optimalen Grenzwerte bei 74 bzw. 69 für Frauen und Männer; Beim PRI lagen die besten Grenzwerte bei 79 für Frauen und 73 für Männer; im WMI 69 für Frauen und 72 für Männer; Schließlich lagen die optimalen Grenzwerte für PSI bei 81 für Frauen und 70 für Männer.

Obwohl all diese prädiktiven Ergebnisse Ärzten helfen können, besser zwischen verschiedenen Schweregraden zu unterscheiden, kann ein Test die diagnostische Beurteilung durch erfahrene Ärzte nicht ersetzen. Allerdings können Cut-off-Scores zusammen mit den früheren Erkenntnissen über die nahezu Unabhängigkeit von PRI von Alter, Bildungsniveau und Geschlecht die klinische Bewertung teilweise auf die visuell-räumlichen Fähigkeiten verweisen, wenn Menschen mit ASD auf allen Ebenen beurteilt werden.

Zusammenfassend lässt sich sagen, dass einige Autoren bei der Beurteilung mit WAIS-IV im Vergleich zu RPM einen unterschätzten Effekt der kognitiven Fähigkeiten von Menschen mit Autismus-Störung nachweisen konnten (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011). Dieses Phänomen scheint jedoch besser auf ASD-Menschen mit kognitiver Beeinträchtigung anwendbar zu sein und nicht auf AS (Bölte et al., 2009; Holdnack et al., 2011) oder durchschnittliche kognitive Fähigkeiten. Daher sollte die kognitive Beeinträchtigung bei der Auswahl eines Bewertungsinstruments für Menschen mit ASD und bei der Interpretation der Ergebnisse ihrer Leistung bei dieser Messung von Bedeutung sein. Neben der kognitiven Beeinträchtigung spielt die Sprachverzögerung einen erheblichen Einfluss auf das IQ-Ergebnis, wie Bodner et al. (2014) haben in ihrer Studie nachgewiesen, dass bei verbal fähigen Erwachsenen ein besserer WAIS-IV-IQ als ein RPM-Wert erzielt wurde. Daher müssen vor der Beurteilung von Menschen mit ASD mehrere Faktoren berücksichtigt werden (Kontext, Situation, bewertete Fähigkeiten, verschiedene Methoden), wobei einem Multi-Methoden-Multi-Informanten-Ansatz Vorrang eingeräumt werden muss. Daher sollte die Vorhersage der akademischen oder adaptiven Funktionen von Menschen mit ASD über die gesamte Lebensspanne auf der Grundlage kognitiver Bewertungsinstrumente mit Vorsicht erfolgen, da weder Wechsler noch RPM alle Informationen vollständig erfassen, die zur Beurteilung der kognitiven Funktionen bei Menschen mit ASD erforderlich sind.

Einschränkungen und Richtungen für zukünftige Forschung

Eine mögliche Einschränkung der Studie ist die geringe Anzahl weiblicher Teilnehmer im Vergleich zu männlichen Teilnehmern, was eine Verallgemeinerung der Ergebnisse möglicherweise ausschließt. Darüber hinaus können die reduzierte weibliche ASD-Stichprobe und die Ergebnisse, dass es bei den allgemeinen zusammengesetzten IQ-Scores keine Geschlechtsunterschiede gibt, teilweise auf die weibliche Stichprobengröße zurückzuführen sein. Allerdings bestand die Stichprobe je nach ASD-Prävalenz aus einer unterschiedlichen Anzahl von Männern und Frauen.

In der Forschung wurde lediglich das Vorhandensein oder Nichtvorhandensein von Komorbiditäten in den Befunden untersucht. Obwohl eine begrenzte Anzahl von Teilnehmern klinische Diagnosen hatte, die einen starken Einfluss auf WAIS-IV-Untertests haben könnten, wie z. B. psychotische Störungen oder ADHS, sind weitere Studien erforderlich, um den einzelnen Effekt von Komorbiditäten auf die Ergebnisse zu bewerten.

Verfügbarkeit von Daten und Materialien

Die in der aktuellen Studie analysierten anonymisierten Datensätze sind auf Anfrage beim entsprechenden Autor erhältlich.

Danksagungen.

Wir danken allen Personen, die an dieser Studie teilgenommen haben. Wir freuen uns über die Teilnahme autistischer Teilnehmer und ihrer Angehörigen, die mit ihrem Interesse und Engagement die Autismusforschung ermöglichen.

Finanzielle Unterstützung.

Für die Forschung wurde keine finanzielle Unterstützung erhalten.

Interessenkonflikt.

Von den Autoren wurde kein Interessenkonflikt gemeldet.

Ethische Standards.

Alle in Studien mit menschlichen Teilnehmern durchgeführten Verfahren entsprachen den ethischen Standards des institutionellen und/oder nationalen Forschungsausschusses sowie der Helsinki-Erklärung von 1964 und ihren späteren Änderungen oder vergleichbaren ethischen Standards.

Verweise

1. Abad F, Sorrel M, Román F und Colom R (2015) Die Beziehungen zwischen WAIS-IV-Faktorindexwerten und Bildungsniveau: ein Bifaktormodellansatz. Psychologische Beurteilung 28, 987–1000.

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

3. Attwood T (2007) Der vollständige Leitfaden zum Asperger-Syndrom. London: Jessica Kingsley Publishers.

4. Baltes PB, Lindenberger U und Staudinger UM (1998) Lebensspannentheorie in der Entwicklungspsychologie. In Damon W und Lerner RM (Hrsg.), Handbook of Child Psychology: Bd. 1. Theoretische Modelle der menschlichen Entwicklung, 5. Aufl. Hoboken, NJ: Wiley, S. 1029–1143.

5. Baron-Cohen S (2002) Die extreme männliche Gehirntheorie von Autismus. Trends in den Kognitionswissenschaften 6, 248–254.

6. Baxter AJ, Brugha TS, Erskine HE, Scheurer RW, Vos T und Scott JG (2015) Die Epidemiologie und globale Belastung durch Autismus-Spektrum-Störungen. Psychologische Medizin 45, 601–613.

7. Bodner KE, Williams DL, Engelhardt CR und Minshew NJ (2014) Ein Vergleich von Maßnahmen zur Beurteilung des Niveaus und der Art der Intelligenz bei verbalen Kindern und Erwachsenen mit Autismus-Spektrum-Störung. Forschung zu Autismus-Spektrum-Störungen 8, 1434–1442.

8. Bölte S, Dziobek I und Poustka F (2009) Kurzbericht: Das Niveau und die Natur der autistischen Intelligenz erneut betrachtet. Journal of Autism and Developmental Disorders 39, 678–682.

9. Borella E, Pezzuti L, De Beni R und Cornoldi C (2020) Intelligenz und Arbeitsgedächtnis: Beweise aus der Verabreichung des WAIS-IV an italienische Erwachsene und ältere Menschen. Psychologische Forschung 84, 1622–1634.

10. Ceci SJ (1991) Wie stark beeinflusst die Schulbildung die allgemeine Intelligenz und ihre kognitiven Komponenten? Eine Neubewertung der Beweise. Entwicklungspsychologie 27, 703–722.

For more information:1950477648nn@gmail.com