Are there distinct cognitive and motivational sub-groups of children with ADHD?
Notice bibliographique
Résumé
BACKGROUND: Attention-deficit/hyperactivity disorder (ADHD) is proposed to be a neuropsychologically heterogeneous disorder that encompasses two distinct sub-groups, one with executive function (EF) deficits and one with delay aversion (DA). However, such claims have often been based on studies that have operationalized neuropsychological deficits using a categorical approach - using intuitive but rather arbitrary, clinical cut-offs. The current study applied an alternative empirical approach to sub-grouping in ADHD, latent profile analysis (LPA), and attempted to validate emerging subgroups through clinically relevant correlates. METHODS: One-hundred medication-naïve children with ADHD and 96 typically developing children (6-14 years) completed nine EF and three DA tasks as well as an odor identification test. Parents and teachers provided reports of the children's behavior (ADHD and EF). Models of the latent structure of scores on EF and DA tests were contrasted using confirmatory factor analysis (CFA). LPA was carried out based on factor scores from the CFA and sub-groups were compared in terms of odor identification and behavior. RESULTS: A model with one DA and two EF factors best fit the data. LPA resulted in four sub-groups that differed in terms of general level of neuropsychological performance (ranging from high to very low), odor identification, and behavior. The sub-groups did not differ in terms of the relative EF and DA performance. Results in the ADHD group were replicated in the control group. CONCLUSIONS: While EF and DA appear to be dissociable constructs; they do not yield distinct sub-groups when sub-grouping is based on a statistical approach such as LPA.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».