首页 > 霍克蓄电池-官网

霍克蓄电池了解转介至心理健康服务的儿童认知异质性：来自大型临床样本的证据

背景：全年龄能力和言语-操作组织是韦氏量表的既定特征，而分测验剖面类型的诊断价值仍存争议。我们研究了大型临床转诊样本中的十项WISC-R分测验是否包含除整体认知水平之外可重复的基于剖面的分组。方法：对来自单一中心儿童精神病档案的1261名儿童的10项WISC-R分测验进行了分析，使用了主成分分析、平行分析、正交双因子模型、具有多种协方差结构的混合高斯模型、k-means聚类、无水平剖面分析以及500次子样本稳定性复制。结果：第一主成分解释了50.4%的方差，并与全量表智商（r = 0.997）相关。第二主成分解释了11.0%的方差，并与PIQ-VIQ（r = 0.942）密切相关；平行分析仅保留了第一主成分。双因子模型显示出强烈的通用因子（层级omega = 0.814；解释的共同方差 = 0.767）。原始分数的k-means聚类产生了一个可重复的高低水平划分（全量表智商平均值101.4 vs. 71.6；轮廓系数 = 0.261），但在移除通用水平后，全协方差和等协方差混合模型仅选择了一个类别，且强制k-means解的轮廓系数为0.08–0.12。结论：在所考察的十个WISC-R变量中，除了在总体水平和言语-操作平衡方面存在等级差异外，未检测到基于剖面的明显区分亚型。这些发现仅涉及一个临床转诊样本中某套测验的内部结构，并不代表不存在由更广泛功能指标定义的具有临床意义的亚型。

1. 引言

诊断分类在儿童和青少年心理健康领域的沟通、治疗计划制定以及服务组织中起着核心作用。然而，在日常实践中观察到的困难往往跨越了诊断界限。注意力、学习、语言、运动、社交沟通以及更广泛的认知困难经常同时出现，而患有相同诊断的儿童可能表现出显著不同的优势和需求。因此，当代跨诊断模型将神经发育特征描述为从典型功能到临床显著困难的重叠维度[1]。学习障碍领域的研究也得出了类似的结论：分类阈值仍然有用，但儿童困难背后的许多变异可能是连续的 [2].
这种区分在日常临床评估中至关重要。如果认知差异能被归纳为可重复的亚型，识别这些模式将有助于临床医生预判需求并选择评估或干预措施。如果这些表观分组主要反映的是连续的认知功能范围内的划分，那么贴上亚型标签可能意义不大，反而会掩盖个体差异。在530名在校学习困难的异质儿童群体中，Astle及其同事确定了四种数据驱动的认知特征，但这些特征的归属无法通过诊断或转诊原因来预测[3]。随后一项针对1529名儿童和青少年的跨诊断研究同样发现，认知集群与传统诊断状态之间的对应关系有限[4]。这些发现支持对临床人群的认知表现进行全面考察，而不是从预先选定的诊断组开始。
这些问题在韦氏解释中有着悠久的历史。WISC-R的主导全年龄因素和言语-操作组织在早期的因素分析研究中已有记载[5]。后来的常模核心剖面研究表明，经验得出的剖面类型受整体水平的强烈影响[6]，而综述和临床研究发现，子测试离散度和基于形状的解释在信度和诊断效用方面有限[7,8]. 这项研究将相关问题缩小了范围：不是探讨韦克斯勒分测验是否共享一个全年龄因子，而是探讨在剔除全年龄水平后，临床转诊样本是否包含可复制的剖面形状分组。
在常规儿童精神科护理期间收集的认知测试为在现实世界环境中研究这一问题提供了机会。各个子测试采样了不同的任务需求，但其解释必须锚定在儿童的整体表现水平、发育史、转诊背景和日常功能上。认知能力与学校成就具有显著关联[9]，然而认知评分或不均衡的特征在诊断上并不具有特异性。认知功能与情绪症状之间的关联也可能较小，且取决于测量方法和信息提供者[10,11]。临床档案也需要进行限制级质量检查，因为用于护理记录的数据在重新用于研究时可能是不完整、不一致或选择性的[12].
因此，本研究在一个大型土耳其儿童精神病学转诊档案中，重新审视了一个已确立的心理测量学问题。我们并未将主导的全年龄因素或言语-表现对比视为新颖现象，而是探究互补的现代方法是否能识别出超越整体水平的可重复剖面形状组。本研究通过将来自代表性不足环境的大型临床转诊样本与协方差结构、无水平剖面、稳定性及共同因素模型的显式比较相结合，扩展了既有文献。只有当拟合度、分离度、稳定性、非平凡规模和可解释的形状差异共同支持时，候选组才被认为具有潜在意义[13,14].

2. 材料与方法

2.1. 研究设计与环境

这项单中心、回顾性、横断面研究采用了在大学附属儿童青少年精神科门诊常规诊疗期间进行的认知评估。评估由主治医生根据个体临床需求提出；转诊指征和路径未以足够标准化的形式记录，无法进行分析。常规记录中的诊断标签也不完整且具有异质性，因此未包含特定疾病的比例和诊断验证分析。本研究报告遵循STROBE和RECORD建议[15,16] 分析单位是儿童而非测试管理。对于接受过多次评估的儿童，使用符合条件的首次评估，即对应最符合条件的年龄的评估。直接标识符已被移除，每个儿童均由研究标识符代表。

2.2. 队列构建与数据质量

该档案包含来自1900名儿童的2049条测试记录。符合条件的对象仅限于6至16岁的儿童。必须具备言语智商、操作智商和全量表智商，且数值大于零。所有十个分测验的常模分数也必须存在，并落在1至19的可解释范围内。
在最初准备阶段，零值曾被视为落在0至19的允许范围内。在分析之前，我们检查了这些值的分布，发现零值特别集中在“类同”分测验中，且其出现模式与缺失或未施测的分测验一致。因此，零值被视为缺失或无效数据，而非实际表现。经过这些质量检查后，1261名儿童被纳入主要认知分析。

2.3. 认知测量

分析纳入了韦氏儿童智力量表修订版（WISC-R）中的五项言语分测验（常识、类比、算术、理解和数字广度）和五项操作分测验（图片补全、图片排列、区块设计、物体组装和编码）。由于标准分已按年龄标准化，因此未再进行年龄调整。在多变量分析之前，分测验得分在研究样本内进行了标准化处理。综合智商得分未用于构建维度或分组；仅保留这些得分以支持对所得模式的临床解释。

2.4. 认知结构分析

我们首先对样本标准化的分测验得分进行了主成分分析（PCA）。我们报告了特征值、解释方差、特征向量系数和常规成分载荷。Horn平行分析使用了1000个独立置换的数据集及其特征值的第95百分位数。将第二成分与PIQ-VIQ进行了直接比较。我们还对分测验相关矩阵拟合了正交单因子和双因子公共因子模型。双因子模型包括所有分测验上的全年龄因子载荷，以及言语和操作组因子在其各自五个分测验上的载荷。模型拟合度使用CFI、TLI、RMSEA和SRMR进行总结；层级omega和解释的公共方差量化了全年龄因子的主导地位[17,18].
我们使用高斯混合模型和k-means算法来检验候选分组。使用全协方差、等协方差（绑定）、对角协方差和球形协方差结构拟合了一到十个类别的混合模型；报告了BIC、AIC、熵、轮廓系数和最小类别大小[19]。使用轮廓系数评估了包含两到六个聚类的k-means解决方案[20] 为了直接测试剖面形状，在(i)移除第一主成分并重新标准化残差，以及(ii)通过减去个体内的子测试均值并重新标准化列来对每个儿童的剖面进行ipsatising处理后，重复了聚类分析。稳定性通过500个随机80%子样本进行估计。对于每个子样本，使用调整后的兰德指数将子样本解与相同儿童的全样本分配进行比较。报告了k = 2–6时原始子测试剖面均值之间的两两相关性。所有分析均使用多次初始化和固定随机种子。这些扩展分析是响应同行评审而进行的；没有单一统计量被视为类别结构的证明。

2.5. 软件

]。分析在Python 3.12.13中进行，使用了NumPy 2.3.5、pandas 2.2.3、SciPy 1.17.0和scikit-learn 1.8.0。认知分析是描述性和无监督的；推断值未用于选择成分或聚类解决方案。可重复的分析代码作为补充文件S2提供Supplementary File S2.

3. 结果

3.1. 队列特征与数据质量

主要分析共纳入1261名儿童。平均年龄为9.65 ± 2.25岁（范围6.00–15.51岁），其中859名儿童（68.1%）为男性。在符合初始完整性标准的1743名儿童中，478名儿童因子测试得分为零被重新归类为缺失或无效而被排除；另有4名综合智商值为零的儿童被排除。队列筛选过程展示在图1中，最终样本的特征总结在表1.
Children 13 01365 g001

图1。记录和儿童通过队列筛选的流程。注：零分子测试成绩被视为无效，因为数据质量审查显示其模式与缺失或未实施子测试一致。
表1。主要分析样本的特征。

3.2. 认知表现的主要维度

第一主成分解释了50.4%的子测验方差（特征值=5.04）。其特征向量系数范围为0.287至0.360，成分载荷范围为0.645至0.809（表2）。它与全量表智商（r = 0.997）、言语智商（r = 0.915）和操作智商（r = 0.903）相关。这些关联是预料之中的，因为所有数值均源自同一套测验；它们描述了多变量解与传统综合分数的关联，而非提供独立的验证。
表2。各分测验对前两个认知维度的贡献。

第二个成分解释了11.0%的方差（特征值 = 1.10）。它与言语智商呈负相关（r = −0.380），与操作智商呈正相关（r = 0.402），且与PIQ-VIQ呈极强相关（r = 0.942）。因此，其与全量表智商的近乎零相关（r = 0.018）被谨慎地解释为：主成分分析成分在构建上是正交的，且第一个成分与全量表智商几乎完全相同。平行分析仅保留了第一个成分，因为第二个观测特征值（1.101）低于第95百分位随机特征值（1.128）。
单因子共同因子模型拟合度不足（CFI = 0.881, TLI = 0.847, RMSEA = 0.122, SRMR = 0.068）。正交双因子模型拟合度显著更好（CFI = 0.988, TLI = 0.978, RMSEA = 0.046, SRMR = 0.021）。层级Omega为0.814，总Omega为0.910，全年龄因子的解释共同方差为0.767。与操作分测验相比，言语分测验的组因子载荷更小且一致性更低（表S6和S7).

3.3. 候选认知亚型的评估

混合模型的结果高度依赖于协方差的设定。在原始标准化得分中，BIC准则在全协方差模型下选择了四个类别，在等协方差模型下选择了三个类别，而对角和球形模型则选择了八个类别。类别分离度依然较弱：所选原始得分方案的轮廓系数介于0.049至0.149之间。这种协方差敏感性印证了人们的担忧，即对角模型可能会通过创建有序类别来重现类内相关性。k = 1–10的完整结果（包括熵值和最小类别规模）见表S3.
原始得分k-means聚类再次倾向于两聚类方案，但其轮廓系数较低（0.261）。在500个80%子样本中，调整兰德指数的中位数为0.984（95%经验区间，0.884–1.000）。各组主要在总体水平上存在差异：全量表智商平均值为101.37，而另一组为71.59，且它们的原始平均分测验剖面相关系数为r = 0.929。对于k = 3–6，平均两两剖面相关系数从0.857下降到0.488，但分离度和稳定性也随之下降（表S4和S5）。在对PC1进行残差化处理后，全协方差和等协方差混合模型在k=1-10的搜索中均选择了一个类别。在进行ipsatisation处理后也出现了相同的情况。强制两聚类的k-means解决方案具有可重复性（中位ARI分别为0.949和0.930），但分离效果较差（轮廓系数分别为0.125和0.123），这与对弱连续对比进行稳定的算法划分相一致，而非自然边界的证据（表3).
表3。聚类和无水平敏感性分析摘要。

4. 讨论

4.1. 主要发现

在这个大型土耳其儿童精神病学转诊档案中，主导的普通因素和言语-操作组织与韦氏量表长期以来的特征一致。该研究更具体的贡献在于，在考虑普通水平后直接测试轮廓形状分组，并检验其在互补模型中的稳健性。这些分析并未识别出清晰分离的解：适当的协方差混合模型在移除水平后仅选择了一个类别，而强制形状聚类则显示出微弱的分离度。因此，在这十个分测验和该转诊样本中，未检测到清晰分离的基于轮廓的亚型。

4.2. 临床护理中的持续认知变化

韦氏量表子测验的正向流形和考夫曼早期WISC-R因子分析[5]。在本研究中，主成分分析（PCA）量化了该维度的主导地位，刻画了次要的言语-表现对比，并提供了一种显式转换方法，用于在移除全年龄水平后测试剖面形状。这并未被解释为对g的新发现或外部验证。平行分析保留了一个成分，双因子模型提供了收敛的共同因子证据：拟合良好（CFI = 0.988，TLI = 0.978，RMSEA = 0.046，SRMR = 0.021），层级omega值为0.814，且全年龄因子解释了76.7%的共同方差。第二主成分与PIQ-VIQ密切相关，其与全量表IQ的近乎零相关性主要是正交性的结果，而非独立验证的结果。
这一解释与历史上的WISC轮廓文献一致。McDermott及其同事的常模核心轮廓分类受整体提升的强烈影响，随后的研究质疑了分测验离散度和轮廓形状的可靠性、诊断准确性和增量效用[6,7,8]。本研究并非首次证明一般水平的优势地位；其贡献在于通过互补的协方差、稳定性、共同因子和无水平分析，在一个大型临床转诊样本中评估了这一问题。使用更广泛测试电池的现代跨诊断研究仍能识别出有用的以人为中心的模式[3,4,21]，但这些模式所涉及的构念空间比本研究中探讨的十个子测试更为丰富。
其他以人为中心的研究已确定了神经发育障碍儿童的几种认知特征[15]. 这样的发现并不一定与本研究结果相冲突。该档案包含来自一个测试家族的十个分测验，它们都共享与一般认知能力相关的方差。结合语言、学习、执行功能、社会认知、适应性功能和运动技能的直接测量研究，可能会识别出在传统智力测试剖面中无法观察到的临床有用模式。因此，本研究的结论是刻意受限的：这十个分测验并未独立支持该临床样本中截然不同的认知亚型。

4.3. 临床解释

该数据集不包含标准化的诊断、症状、成就、适应性功能或结果，因此无法测试特定障碍的效度或预测效度。尽管如此，庞大的临床转诊样本支持一个实际的解释性启示：孤立的子测试差异和剖面标签应结合儿童的整体认知水平来考虑，而非将其视为独立的临床实体。个体的优势和劣势可能仍具有临床参考价值，但诊断和支持决策还需要直接评估发育史、学业技能、适应性功能、症状和日常需求。
在患有神经发育障碍的儿童中，认知和情绪过程可能存在关联，但这些关联通常较弱，且对两个领域的测量方式十分敏感[22]。因此，本研究中缺乏针对特定诊断或症状的分析，并不意味着临床表现无关紧要。相反，这些结果定义了在用标准化测量工具考察更具体的临床关联之前，应当考虑的广泛认知结构。

4.4. 优势与局限性

这项研究具有多项优势。它分析了来自常规儿童精神科护理的大样本，以独特的儿童个体而非重复测试作为分析单位，并且在未预设诊断分组的情况下评估了认知结构。候选集群采用互补指标而非单一模型统计量进行评估，并在考虑统计拟合度和稳定性的同时，分析了它们的轮廓形状。
有几项局限性需要强调。该研究为回顾性研究，且仅在单一中心针对临床转诊儿童进行；因此研究结果不应推广至全年龄人群。土耳其WISC-R常模建立于较早时期，这主要限制了对绝对智商值以及所报告的集群均值作为当前人群估计值的解释[23然而，本研究的分析主要聚焦于同一临床样本内的相对协方差和剖面结构，这些指标受常模年龄的影响较小，而绝对分数水平受影响较大。当代韦氏量表更明确地区分了工作记忆和处理速度，更广泛的神经心理学测验则涵盖了更多领域；因此，这些工具可能会优化群体因子模式，但不会使本研究样本内的结构性发现失去参考价值。使用当代测量工具进行重复验证仍具有重要价值。第一主成分和全量表智商（FSIQ）也共享相同的分测验信息，因此它们之间的相关性并不构成外部效度验证。
从最初符合条件的1743条记录减少到1261条完整的分析记录，是一个潜在的重要选择偏倚来源。被排除的组别定义为至少有一个子测试得分为零，而档案无法可靠地将这些零分归因于未施测、测试不完整、数据录入惯例或极度有限的表现。因此，这些排除并不被视为随机发生的。缺失或未施测的子测试在具有较大发育、行为、沟通或注意力障碍的孩子中可能更为常见；测试参与度有限；疲劳；或根据临床情况调整的评估。完整案例分析可能会低估那些标准施测最困难的孩子，并可能使观察到的结构显得更加有序。该档案缺乏确定这种偏倚方向或程度所需的标准化变量。
组件和聚类解决方案取决于可用的变量和分析选择，其他测试系列可能会揭示不同的模式。诊断状态、学业成就、适应性功能、治疗暴露和纵向结果没有以足够标准化的形式提供，因此无法纳入。因此，观察到的维度的临床意义和预测价值仍有待确定。最后，认知结构未在独立样本中进行评估。

5. 结论

在转诊至某儿童精神科诊所的儿童中，一个主导的普通因子解释了十项WISC-R分测验中大部分的共同方差。第二主成分在很大程度上重现了传统的PIQ-VIQ差异。在移除普通水平后，适当协方差混合模型选择了一个类别，且强制轮廓聚类分离不明显。因此，使用现有变量和方法未能检测到明显分离的基于轮廓的亚型。在临床上，个体剖面差异仍可为评估提供参考，但应结合整体认知水平以及儿童更广泛的发展、学业、适应和精神状况背景进行解读。本研究并未表明由更广泛指标定义的具有临床意义的亚型不存在；使用当代测评工具和外部临床标准进行重复研究仍有必要。

上一个：柠檬酸盐与EDTA电解质添加剂混合物对镁-空气HAWKER蓄电池中AZ31阳极放电行为的协同效应下一个：并网光伏系统中基于物理信息生成式人工智能的最大功率点跟踪

产品分类

新闻中心

联系我们

联系人：英国霍克蓄电池（中国）营销总部

手机：15313702523（微信同号）

E-mail：ukhawker@yeah.net