Brief report: A confirmatory factor analysis of the Child Behavior Checklist in a large sample of autistic youth
Notice bibliographique
Résumé
Autistic youth often experience co-occurring psychiatric conditions. Checklist measures such as the Child Behavior Checklist (CBCL) can assist clinicians and researchers in assessing the symptom profiles of such conditions. Symptom profiles often overlap between autism and cooccurring psychiatric conditions (e.g., depression) in which the same symptoms occur in both. Previous research investigating the validity of the CBCL in autistic populations using factor structure has been mixed . Seven-hundred-and-fourteen autistic youth (293 females) aged 6–18 years (M = 11.25, SD = 3.29) participated. A confirmatory factor analysis of the 8-factor CBCL-6–18 was completed. Results suggest a poor model fit in autistic samples of the widely used eight-scale factor structure. This model may not fit this sample due to the overlap of symptomatology autism has with other psychiatric condition profiles (e.g., communication and behaviors). Future research and implications, including an exploratory factor analysis on the CBCL/6–18 for autistic populations, are discussed. • The CBCL is commonly used to assess co-occurring conditions in autism. • We conducted an examination of the 8-factor factor structure. • The eight-factor factor structure was found to be a poor fit. • Several items did not load onto the eight-factor structure. • The eight-factor structure of the CBCL may not be appropriate for assessing co-occurring conditions in autism.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,015 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».