孤独症谱系障碍测评工具的研究述评
李婷婷1 郭 磊1,2,3 李 帅1高靖洁1
(1 西南大学心理学部，重庆 400715) (2 重庆市脑科学协同创新中心，重庆 400715) (3 中国基础教育质量监测协同创新中心西南大学分中心，重庆 400715)
摘 要 孤独症，也称自闭症，起病于儿童早期，是一种以社会交往和沟通障碍、刻板行为及兴趣范围狭窄为主要临床特征的广泛发展性障碍。对孤独症谱系障碍测评工具的研究有助于孤独症的早期筛查、正确诊断和精准干预。本文系统梳理了近年来在临床上应用较广的孤独症早期筛查、诊断工具的测量学指标及应用现状，并结合诊断标准的最新变化，分析孤独症谱系障碍测评工具的现存问题，从认知诊断技术的视角探讨了新型测评工具应具有的结果表征方式。未来研究应根据孤独症最新诊断标准，利用认知诊断模型评估孤独症患者的认知模式，为患者提供个性化诊断结果，并进行针对性的干预。
关键词 孤独症谱系障碍；心理测评；认知诊断技术
1 引言
孤独症谱系障碍(Autism Spectrum Disorder, ASD)是一种与强遗传成分和其他混杂因素相关，以社交(沟通)障碍和重复刻板的行为及兴趣为主要症状的神经发育障碍性疾病的统称(郭翠华，静进，2017)。从1943年Kanner提出“孤独症”概念到2013年精神障碍诊断手册第五版(Diagnostic and Statistical Manual of Mental Disorders, DSM-5)发布的70多年来，孤独症的涵盖范围从罕见的儿童神经发育障碍变为一个覆盖全年龄段、症状由轻到重的谱系(Lord, Elsabbagh, Baird, & Veenstra-Vanderweele, 2018)。
近年来ASD患病率不断上升，并且难以治愈，严重影响儿童身心发展。世界卫生组织报告称“ASD已成为当前全世界患病人数增长最快的重大疾病之一，给家庭、社会都带来极大的负担”(徐秀，2013)。据美国孤独症和发育障碍监测网络(Autism and Developmental Disabilities Monitoring Network, ADDM Network)数据显示，美国8岁儿童ASD患病率已从2000年的6.7‰上升到2012年的14.6‰。2014年10月17日，中国首次发布了《中国自闭症儿童发展状况报告》，认为中国ASD患病率和世界其他国家相似，约为1%，即中国的ASD患者总数量超过1000万，其中0～14岁儿童患者的数量超过200万。
鉴于ASD的高患病率和高危害性，对ASD实施早期(DSM-4R规定为3岁之前)识别、早期诊断和早期干预具有非常重要的现实意义。荷兰开展的一项ASD早期筛查项目结果显示，某地区ASD平均确诊年龄从82.9个月降为63.5个月，且在36个月之前发现并确诊的概率高出对照地区9倍(Christensenet, 2016)。对照研究表明，2岁以下儿童神经发育尚未成熟，可塑性强，如果能在早期阶段就能够识别出儿童的ASD症状并实施强化治疗，其ASD症状将会得到较大的缓解。
1.1一般资料2015年1月至2017年12月我院对乳腺癌患者50例进行研究分析,将患者分成对照组和观察组,均有25例。对照组患者平均(41.7±3.9)岁;观察组患者平均(42.5±4.3)岁。两组普通资料对结果不产生影响。
目前的测评工具均是基于DSM-4及其之前标准编制而成，若仍沿用旧有工具，则无法实现与最新标准的对接，甚至可能带来漏诊和误诊。为引起ASD领域研究者、医疗机构工作者以及测评工具的其他使用者对诊断标准变化的重视，满足ASD患者家庭对新型测评工具开发、应用的诉求，亟需根据最新诊断标准DSM-5开发出新的测评工具。
对文、理科学生在9项技能的自我评价上进行独立样本T检验（见表2），结果显示，除“翻译”的P值=0.0 22＜0.05外，其他8项的P值均大于0.0 5，表明不同学科的学生对于绝大多数技能的自我评价没有显著性差异。而理科生在“翻译”评价上的均值显著地高于文科生，比起口语和写作这种主动的创造性的输出，理科生更喜欢用积累的词汇机械地翻译给予的文字段落，很好地说明了英语课堂上理科生更消极被动的一面。
本文通过对近期文献的梳理和分析，以认知诊断技术的视角论述孤独症谱系障碍测量工具的研究现状和未来趋势。首先，介绍临床上使用较多的早期筛查和诊断工具；其次，结合诊断标准的变化，分析当前测评工具在编制依据以及结果呈现上存在的问题；最后，从认知诊断技术的角度对早期测评工具的开发提出具体建议，即利用认知诊断模型呈现ASD患者个体的认知模式，从而为后期针对性干预的实施提供指导。
2 ASD测评工具
近年来，国内外研究者均提倡ASD的早期筛查与诊断(王立皓，2016)。凡18～24个月的婴儿都要进行ASD一级筛查，一旦发现可疑症状，即刻进行二级筛查；若筛查结果依然显示存在风险，则需转入早期诊断模式，尽早进行干预以获得最佳康复效果(如图1所示)。
在国外，CHAT系列筛查量表在一级筛查中的应用效果较好。例如，美国儿科科学会建议以M-CHAT作为一级筛查工具，对18～24个月婴儿进行婴幼儿常规保健的ASD筛查，这是由于M-CHAT较CHAT敏感度高，更适于正常人群的筛查，并有助于儿童早期发现、早期诊断、早期干预目标的实现；CHAT-23特异度较M-CHAT高，差异有统计学意义，其成本低廉、操作简便、填写时间5～10min，审核判定量表结果的时间不超过2min，是较好的早期孤独症筛查量表。其次是FYI，由于此量表极易遗漏那些周岁时正常但后续出现功能倒退的儿童，假阳性比率较高，因而并未成为国外初级医疗机构常规筛查的首选(Watson, Baranek, Crais, Steven, Dykstra, & Perryman, 2007)。 另外，克氏孤独症行为量表(Clancy Autism Behavior Scale, CABS)、ABC等一级筛查量表，可能更适用于稍大年龄儿童的筛查，且ABC优于CABS(李建华， 钟建民， 蔡兰云， 陈勇， 周末芝， 2005)； 孤独症特质早期筛查问卷(Early Screening of Autistic Traits Questionnaire, ESAT)和广泛性发育障碍筛查量表第二版( Pervasive Developmental Disorders Screening Test-Ⅱ, PDDST-Ⅱ)这两类量表在使用时需谨慎，前者主要由于假阳性较高(陈晶琦，廖巍，2005)，后者难以有效区分注意缺陷多动障碍(Attention-Deficit/HyperactivityDisorder, ADHD)与孤独症(Macmillan et al., 2001)。国外常用的儿童孤独症二级筛查工具是ITC(Wetherby, Brosnanmaddox, Peace, & Newton, 2008)，该量表被美国儿科学会的指导手册推荐用于18月龄以下的婴幼儿；对于ADEC，该量表培训时间短，使用简便快捷，但限于相关研究较少，其信效度仍待大样本的验证(Nah, Young, Brewer, & Berlingeri, 2014)。
图1 ASD诊断模式
2.1 早期筛查
早期筛查是诊断和干预的基础，分为一级和二级筛查，主要是对基本人口进行ASD风险评估(王立皓，2016)。一级筛查由早期婴幼儿护理机构或儿科医生实施，包括非正式咨询、查阅原始资料、格式化访谈、借助筛查工具四种方式，涉及14种量表。二级筛查在专业干预机构或医院进行，由医生根据筛查工具及临床经验对患儿进行系统、专业的观察和评估，涉及4种量表。本文将从适用年龄、评估方式、测量维度、计分方式、信效度、敏感度和特异度、使用情况7个方面系统介绍早期一级、二级筛查量表。
二级筛查量表则以父母问卷为主，由父母根据幼儿的实际状况进行填写。但2岁儿童孤独症筛查量表(Screening Tool for Autism in Two Year Olds, STAT)与其他三个量表不同，只需由专业人员进行观察评定。
ASD发病年龄逐渐提前，甚至在两岁之前就会出现ASD症状(Matson & Goldin, 2014)。本文梳理的18个早期筛查量表主要是针对24个月龄以下的儿童，详见表1。
2.1.2 评估方式
一级筛查量表除婴幼儿孤独症观察量表(Autism Observation Scale for Infants, AOSI)外，其他量表均由父母或第一抚养者填写，如周岁调查表(The First Year Inventory, FYI)、孤独症行为评定量表(Autism Behavior Checklist, ABC)等；也有量表需结合专业人员的观察和父母(第一抚养人或教师)的访谈反馈以形成诊断，如婴幼儿孤独症量表(Checklist for Autism Intoddlers, CHAT)。为简便程序，提高筛查效率，M-CHAT和Q-CHAT均删去了专业人员评估部分。除孤独症婴幼儿图片筛查量表(Pictural Autism Screening Scale for Infant and Toddler, PASS-IT)使用图片外，其余均以文字形式呈现。
2.1.1 适用年龄
2.1.3 测量维度
量表的测量维度主要是基于DSM三大核心症状：社交障碍、言语障碍，兴趣狭窄及刻板行为。但各量表关注的侧重点存在差异：Q-CHAT测量语言发育、重复行为以及社交其他方面；ABC包括感觉能力、交往能力、运动能力、语言能力、生活自理能力；孤独症早期检测 (Autism Detection in Early Childhood, ADEC)关注社交沟通、游戏、异常感觉行为、语言发育水平以及和照养人的互动。以上量表的测量维度较多，涵盖三大核心症状。另外一些量表只侧重三大核心症状的某一个或者两个方面，如CHAT量表关注共同注意和假想游戏能力，仅涉及社会互动能力；AOSI、STAT以及婴幼儿量表(Infant-Toddler Checklist, ITC)都缺乏对儿童刻板行为的关注(冯雅静，王雁，2012)。因此使用者和研究者需要仔细了解各量表所关注的维度，并有针对性地选择合适的测量工具。
“念到您现在所肩的责任的重大，我便连孺慕之思都不敢道及，希望您能原谅我，只要您知道我是真心敬慕您，我便够快活的了。”
主要包括两种计分形式：二级和多级计分。CHAT、 M-CHAT等为“是/否”二级计分；CHAT及M-CHAT当中设置了关键题目(判断是否患病的决定性题目)，如CHAT(Baroncohen et al., 1996)中的5个核心题目均为“否”，则代表ASD的高风险；若仅在A7(有意向性地用手指)，B2(共同注意)上为“否”，则存在中度风险(Baroncohen et al., 2000)；Q-CHAT、CHAT-23等量表按照异常行为表现的严重程度进行等级计分；ABC计分方式由使用者提前对各项目按照1～4进行权重分配，再根据患者表现计入相应分数，该方式虽然灵活，但存在较大主观性，其有效性尚待验证。
伴随着经济全球化，标准化呈现出向各个领域突破性拓延的发展趋势，已从传统产业标准化领域拓展到气候变化、碳足迹、可持续发展、社会责任、公共安全和反欺诈反贿赂反恐等新兴领域。这也是2018年新修订的《中华人民共和国标准化法》作出适用范围调整的原因，明确了标准涵盖农业、工业、服务业以及社会事业等领域需要统一的技术要求。
2.1.4 计分方式
信效度是测评工具科学性的重要衡量指标。本文梳理的18个量表在信度方面，重测信度差异较大，范围在0.5～0.9之间；评分者信度和内部一致性信度范围在0.7～1之间。效度方面，效标效度偏低，在0.44～0.63之间，个别研究报告的效标效度为0.87(Eaves, Campbell, & Chambers, 2000)。
2.1.5 信效度
笔者所在的某肿瘤专科医院把患者的满意度作为医院的追求目标之一，在患者住院时及时征求患者的意见，患者出院时及时询问患者的满意度，对此，医院护理部针对护理方面制定了相应的满意度调查表，从护理方面分析出影响患者满意度的因素，完善患者满意度评价体系，为提高三级甲等肿瘤专科医院患者的满意度提供依据。下面是针对鼻咽癌患者满意度的研究分析。
由表1可见，同一量表的不同版本或者是不同维度之间的信效度存在较大差异。例如，在Scambler等(2006)的研究中，1992年版CHAT的重测信度为0.34，2001年版重测信度提升到0.93(Scambler, Hepburn, & Rogers, 2006)。又如Miranda等(2002)报告的ABC量表各分量表信度在0.57～0.81之间， 而总量表为0.86(Mirandalinné & Melin, 2002)。这些研究结果表明孤独症筛查量表的信效度仍需努力提升。
2.1.6 敏感度和特异度
另外，此照片中李铁夫手扶的藤条拐杖现存我馆。而经李铁夫弟子温少曼先生指认，此藤杖正是当年（1946年）李铁夫游峨眉山时，他在山下买给李铁夫的那一根。温少曼也没想到李铁夫一直使用并保留在身边。李铁夫四川之行，由李济深夫妇安排并同行，学生有陈海鹰、温少曼。
敏感度和特异度是衡量测评工具的重要指标，敏感度指测评工具不漏诊的概率，特异度指测评工具不误诊的概率。各量表敏感度与特异度的研究结论存在差异(详见表1)：敏感度在0.18～1之间变化，差距较大，例如常用的筛查量表CHAT，敏感度不足0.4(Baird et al., 2000)，容易出现漏诊现象；特异度变化范围较小，均在0.6以上，这表明现有筛查量表漏诊概率远大于误诊概率。此外，敏感度和特异度与划界分的确定有关，Stone等人(2000, 2004)发现，将STAT用于12～23月龄的高危幼儿，划界分为2.75时，其敏感度高达0.95，且特异度为0.73(Stone, Coonrod, & Ousley,2000; Stone, Coonrod, Turner, & Pozdol, 2004)。 目前，就ASD高发病率而言，需要更加关注早期筛查量表的敏感度。遗憾的是，目前学术界并未得出ASD敏感度与特异度的有效临界标准。
目前国外常用的诊断工具是被誉为“金标准”(Lord, Rutter, & Couteur, 1994)的自闭症诊断访谈量表-修订版(Autism Diagnostic Interview-Revised, ADI-R)和孤独症诊断观察量表(Autism Diagnostic Observation Schedule, ADOS)；国内常用的诊断工具是儿童自闭症评定量表(Childhood Autism Rating Scale, CARS)。
传统玉米育种过程中，主要结合育种人员的工作经验，在不同时期对育种材料进行选择和淘汰，这种行为会在无意识状态下淘汰很多具有优良性状、丰富遗传性状、有价值的材料，不利于科学育种工作的开展。而要用玉米单倍体育种技术所获得的DH系之间的遗传背景差别显著，基因类型更为丰富，为大规模利用有价值的DH系奠定了坚实基础。
与国外相比，我国ASD筛查量表的使用情况不太乐观。一方面所使用的筛查量表种类较少，只有CHAT系列、CABS、ABC量表有公开的中文版，且针对3岁以下儿童的ASD 筛查非常稀缺；另一方面，虽然国内有关各量表的信效度研究较多，但真正将其应用到ASD 筛查中的研究较少。例如，儿童孤独症测验(Childhood Autism Spectrum Test, CAST)在国内有相关的信效度研究，但并未广泛应用于筛查工作。因此，我国目前常用的儿童孤独症一级筛查工具首推CHAT系列量表。此外，由于各项研究中调查对象的年龄、样本量等均存在较大差异，故其信效度结果在全国范围内不具有可比性，其筛查范围较国外也相对局限，或许受其影响，目前我国还未能形成统一的大范围早期筛查程序(姜凌霄，李改智，杜亚松，2015)。
为保证“两探索一创建”工作顺利进行，青州市人大常委会采取了试点先行的模式，谭坊镇人大专题询问工作率先迈出步伐。经过充分调研，在8月份召开的镇第十九届人民代表大会第四次会议上，谭坊镇人大通过了《专题询问工作办法（试行）》，为此次探索打牢了制度基础。为选好专题询问的议题，镇人大向市镇两级人大代表广泛征求意见，将征集到的20余条题目提交镇人大主席团会议研究。主席团先后召开两次会议，本着“询”大局、“问”大事，“询”重点、“问”热点的原则，最终确定将社会普遍关注、与人民群众息息相关的教育工作作为首次专题询问议题。
综上所述，不同筛查量表的评估方法、测量维度、划界分数、信效度以及敏感度特异度等均存在差异，缺乏该使用何种量表的准则，且目前还有许多国外量表未能引进和汉化，因此限制了我国ASD早期筛查的有效开展，这也是当前我国ASD评估中存在的一大问题。
2.2 早期诊断
早期诊断是在早期筛查的基础上进行的，当二级筛查仍呈阳性，就要立即诊断。ASD越早发现、 早诊断、 早干预， 其预后效果就越好(Matson, Wilkins, & González, 2008)。
金融创新从宏观层面讲，就是将金融创新与金融史上的重大历史变革等同起来，整个金融业的发展史就是一部不断创新的历史，金融业的每项重大发展都离不开金融创新。从这个角度看，农业银行服务“三农”使命的确立，契合了金融创新的理念，“三农”的根本在于农业，农业的根本在于水利，服务水利即是服务“三农”。在这方面《意见》对农业银行提出了明确要求，“在财务可持续的前提下，中国农业银行要加强和水利、农业等部门的沟通，及时了解水利项目储备和安排的特点，积极参与对水利改革发展的金融支持和服务”。
DSM-5出版之前，自闭症的诊断主要根据DSM-4和国际疾病分类标准ICD-10，使用的诊断工具也是根据这两种诊断分类标准编制的(黄伟合，2003)。虽然两个标准独立提出，但却反映了同一个诊断框架：个体必须至少满足两个社会互动方面的标准，在交流和行为与兴趣模式方面各一个标准，且在所有三个领域上总共满足六个或更多的标准，才可被诊断为自闭症(见表2)。
2.1.7 使用现状
ASD病因复杂，诊断难度大，因此要求对儿童进行全面检查评估。评估主体不仅要有儿科医生、治疗师、心理学家，还需要主要抚养人的参与(Bodfish, Symons， Parker, & Lewis, 2000)。评估内容包括儿童成长史、父母访谈记录，专业人员对儿童社交、沟通技能的观察评估，还有对儿童认知、适应功能等的标准化测试、必要时的医学检验等(Charles, Carpenter, Jenner, & Nicholas, 2008)。
表2 DSM-IV/ICD-10关于自闭症的界定
3 ASD 测评工具现存问题
3.1 量表的编制依据有待更新
本文ASD测评工具都是依据DSM-4及之前标准编制，而DSM-5对ASD的定义和标准都进行了重新划分，将原来DSM-4的三类核心症状归纳为两大类，具体症状也由原来的12项缩减至7项，因此现有的诊断工具中应根据标准酌情考虑删除诸如“是否有语言发展迟滞”、“是否有语音、语调异常”等单纯考察儿童语言发展的题目，与此同时加强对儿童社会交往能力以及感知觉能力的考察。DSM-4规定ASD发病年龄为36个月，而DSM-5则将年龄提前至12～24个月，越早越好。有研究表明在新的诊断标准下将会把一些原被诊断为ASD的个体排除在外(Buxbaum & Baron-Cohen, 2013)。因此，目前基于DSM-4编制的量表在核心症状上的行为表现评估标准已不再适用于DSM-5之下的诊断，亟需编制基于新诊断标准指导下的诊断工具。
3.2 量表的编制方法受样本影响较大
当前量表均是基于经典测验理论编制。而经典测验理论存在诸多缺陷，如题目参数对样本具有依赖性；测验误差笼统单一；信效度受样本选择及样本容量影响；未能评估出患者在ASD发病症状上的不同模式，未能探索出ASD患者的潜在人格结构。因此，需要运用先进的测评技术对量表进行重新编制，使工具在报告结果时能够反映出患者的发病模式。
企业中负责项目的小组应是3D场景漫游制作各方面的专业人才，有着3D虚拟场景以及图片处理经验，有较强的项目执行力。
3.3 量表的计分结果较笼统
现有量表计分方式是给被试提供一个单一总分，然后根据专家给出的分界分数来判断被试是否患有孤独症及其严重程度。该做法存在一定主观性，临界分数的选取是否合理尚无法证明，而且单一总分无法提供针对性的行为矫正及补救，例如，总分相同的两个个体，其具体症状可能完全不同。一位可能在社会沟通方面表现得较为严重，而另一位可能在行为方面更严重。另外，总分只显示被试是否具有孤独症及其严重程度，但症状出现在哪些方面，何种发病模式更值得关注等问题，仍有待商榷。
铜仁市大部年降水量为1 100～1 400毫米，位于梵净山东南侧的凯马、落满一带降水为1 100～1 400毫米，松桃县、江口县、万山区一带为1 150～1 300毫米，印江县和石阡县一带为全区最少区域，降水量1 100～1 150毫米，其中4～9月降水量占75%以上，秋收作物主要生育期雨量相当充沛。
4 研究展望
20世纪90年代，随着全球孤独症研究的深入开展，许多国家对孤独症的认识和重视程度逐渐加深，与此同时，世界范围内被发现的孤独症病例也呈现出不断增加的趋势，且至今仍在延续(陈文雄，2013)。在此背景下，DSM-5的诊断标准应运而生，为ASD诊断提供了新的方向。但遗憾的是，自DSM-5问世以来，ASD领域鲜有依据新标准编制的量表。鉴于临床上所使用的最新标准以及ASD本身的高发病率和高危害性，开发基于新标准的有效测评工具刻不容缓。针对当前在ASD测评上存在的问题以及新标准的变化，新型测评工具的开发可尝试从下述两方面进行突破。
4.1 更新测评标准
相对于DSM-4，DSM-5在测评标准上主要呈现以下4种变化，可以此作为新型诊断工具的测评依据。
第一，ASD诊断分类的变化。DSM-5用ASD代替原广泛性发育障碍范畴(Pervasive Developmental Disorders, PDDs)，这一名称的变化突出了病症的“谱系”理念，同时该变化也体现出ASD原不同亚型之间的统一连续性(卜凡帅，徐胜，2015)。在DSM-4中，典型孤独症、阿斯伯格综合征、童年瓦解性障碍、雷特症和待分类广泛性发展障碍被归为广发性发育障碍的5种不同亚型，而DSM-5将待分类广泛性发展障碍下的亚型分类都整合到ASD中。Lord和Jones(2012)发现，不同亚型之间是基于障碍程度的轻重进行划分的。因此，以往用于诊断5个亚型的量表题目可作为新量表的编制参考(Lord & Jones, 2012)。
第二，ASD核心标准数目的减少。DSM-5用单一的分类定义ASD，将DSM-4中的“社交障碍”“言语障碍”“兴趣狭隘及刻板行为”这三个标准合并为“社交障碍”和“限制性刻板行为”两大领域(APA, 2013)，并且将12项诊断标准减少到7项，需诊断的最小数目由6条减为5条，这是DSM-5相对于DSM-4的一个重要改变。该变化要求之前以三大核心症状为标准制定的测评工具也要做出相应改变，否则就会降低诊断结果的可信度。
第三，发病年龄的提前。DSM-5认为ASD发病年龄在早期发育时期，即症状通常在生命的第二年(12～24个月)被确认，而DSM-4-TR的描述是在第36个月。对于早期筛查和诊断而言，新的诊断标准在促进两岁以下ASD患儿病症的发现及在儿童保健管理系统过程中实现ASD诊断方面有着重要意义。
第四，诊断结果的具体化。DSM-5将ASD障碍程度分为三级：需要支持、需要较多支持和需要极大支持。同时，DSM-5提出对患者进行诊断具体化。首先，诊断要注明疾病的严重性、是否伴有智能残疾或语言损害；其次，若有上述表现，需记录当前的语言功能水平，若出现紧张症，要记为“紧张症伴随孤独症谱系障碍”(陈文雄，2013)。这一变化使得ASD诊断结果不再是“是”或“否”的简单区分，而是能让医生及家长了解患者当前病情严重程度及具体表现，对后续量表的编修工作具有极大的参考价值。
DSM-5的上述变化，使得ASD的诊断标准更为严格，会把一些原被诊断为ASD的个体排除在外，这说明原有量表在一定程度上已不适用于新标准下的诊断，需要针对新标准的变化进行量表的编修工作。一方面可以尝试将测评的核心领域聚焦于“社交障碍”和“限制性刻板行为”两大领域，从这两大方面对现有量表进行整合，去除与新标准不符、诊断效果较差的题目；另一方面需尝试将筛查的年龄提前到早期发育时期，但同时这对编制适用于早期ASD筛查的题目也提出了新挑战。此外，还应根据疾病的严重程度划分出三级水平，并提供具体病症，如是否伴有智能残疾或者语言损害，如果有上述表现，则还需要记录当前语言功能水平等(APA, 2013)。
4.2 突破测评技术
当前对ASD的测评是以经典测验理论为基础，使用划界分数对ASD进行界定的，不能在谱系内做出进一步诊断，量表评定也没有关注患者外在行为的内部认知结构，还需要医生结合其他临床指标进行综合诊断。此外，传统测评方式不能提供患者的孤独症模式，因而无法实施针对性的临床治疗方案。
认知诊断评估(Cognitive diagnostic assessment, CDA)是国际上一种新的测量理论(Leighton & Gierl, 2007)，初期主要被用于教育评估领域，利用学生在测验上的作答数据，通过认知诊断模型估计其知识状态，即认知模式，从而分析每位学生在知识内容上的强、弱项，促进教育工作者开展有针对性的教学干预，实现真正的“因材施教”；之后，CDA又被运用到临床诊断领域中(郭磊，2013)。CDA将经典测验理论中宏观抽象的能力、人格量表中的特质和态度量表中的倾向细分为具体、易理解的属性，并在诊断每个属性是否符合的基础上，为后续干预提供依据，有助于临床工作者更好地了解患者个体内部心理活动规律及加工机制，实现对个体认知发展的针对性评估。
Templin和Henson(2006)运用认知诊断评估方法对593名被试进行了病理性赌博方面的临床诊断研究。研究选取赌博研究问卷(Gambling Research Instrument, GRI)的25道题目构建病理性赌博诊断Q矩阵，然后利用DINO模型(Deterministic Input Noisy “or” Gate, DINO)评估每个被试在各条标准上的“掌握程度”，最后根据DSM-4-TR的诊断标准判断该被试是否存在病理性赌博倾向(Templin & Henson, 2006)。例如，表3是假设的3位被试，分别记作A、B、C，在GRI上的评估结果。从表中可以看出，被试A仅符合第3个标准(后验概率为0.74，大于0.5)；被试B符合标准1、2、4、5和8；被试C符合标准1、2、3、6和9。根据DSM-4-TR的诊断标准：当被试符合5条及5条以上标准时，可以判断该被试具有病理性赌博倾向。该结果表明，被试B和C虽最终诊断结果一致，但在具体标准上却表现出很大差异。由此可见，CDA技术可辅助临床工作者进行更加精细的评估，为患者制定个性化的干预措施，同时又可提高治疗效率，而经典测验理论则无法实现。
然而，在Templin等研究之后，并无心理学家进一步使用CDA对心理障碍或疾病进行研究，但这一技术对于ASD测评发展具有十分重要的意义。本文通过对ASD早期筛查和诊断工具的介绍以及ASD测评标准的变化的梳理，总结出目前测评工具存在的问题，并基于此提出未来关于ASD测评的发展方向，即编制基于CDA的新型测评工具，并利用诊断模型评估个体的ASD发病模式，为患者提供个性化的诊断结果和针对性的干预，也使CDA理论更多地应用于临床实践，造福社会。
表3 三位被试在GRI上的评估结果举例
注：表格中的小数表示后验概率大小，值越大，表明越符合该条标准。
参考文献
卜凡帅, 徐胜 (2015). DSM孤独症谱系障碍诊断分类标准的演变、影响与展望. 中国心理卫生杂志 (06), 425-430.
陈晶琦, 廖巍 (2005). 中专学生童年期非接触性体罚经历及其对心理健康的影响. 中国心理卫生杂志, 19 (4), 243-246.
陈文雄 (2013). 孤独症70年:从Kanner到DSM-V. 临床儿科杂志(11) , 1001-1004.
冯雅静, 王雁 (2012). 孤独症儿童的诊断工具:现状及展望. 中国特殊教育(9) , 47-54.
郭翠华, 静进 (2017). 婴幼儿孤独症谱系障碍的早期筛查工具(综述). 中国心理卫生杂志, 31 (9), 704-709.
郭磊 (2013). 认知诊断理论及其应用. 心理技术与应用 , (2), 27-31.
姜凌霄, 李改智, 杜亚松. (2015). 孤独谱系障碍筛查工具的比较分析. 中国神经精神疾病杂志, 41 (3), 189-192.
黄伟合 (2003). 儿童自闭症及其他发展性障碍的行为干预. 上海：华东师范大学出版社.
李建华, 钟建民, 蔡兰云, 陈勇, 周末芝 (2005). 三种儿童孤独症行为评定量表临床应用比较. 中国当代儿科杂志,7 (1), 59-62.
王立皓 (2016). 国外孤独症谱系障碍的早期筛查诊断与干预. 中国学校卫生,37 (6), 952-957.
徐秀 (2013). 儿童孤独症谱系障碍早期筛查与诊断. 中国实用儿科杂志,28 (8), 576-579.
American Psychiatric Association. (2013). Diagnostic and statistical manual of mental disorders. 5th ed. ,50-59.
Baird, G., Charman, T., Baroncohen, S., Cox, A., Swettenham, J., Wheelwright, S., & Drew, A. (2000). A Screening Instrument for Autism at 18 Months of Age: A 6-Year Follow-up Study. Journal of the American Academy of Child & Adolescent Psychiatry, 39 (6),694-702.
Baroncohen, S., Cox, A., Baird, G., Swettenham, J., Nightingale, N., Morgan, K., Charman, T. (1996). Psychological markers in the detection of autism in infancy in a large population. Early Human Development, 47 (2), 158-163.
Baroncohen, S., Wheelwright, S., Cox, A., Baird, G., Charman, T., & Swettenham, J., … Doehring, P. (2000). Early identification of autism by the checklist for autism in toddlers (CHAT). Journal of The Royal Society Of Medicine, 93 (10), 521-525.
Bodfish, J. W., Symons, F. J., Parker, D. E., & Lewis, M. H. (2000). Varieties of repetitive behavior in autism: Comparisons to mental retardation. Journal of Autism & Developmental Disorders, 30 (3), 237-243.
Buxbaum, J. D., & Baron-Cohen, S. (2013). DSM-5: the debate continues. Molecular Autism, 4 (1), 1-2.
Christensen, D. L., Bilder, D. A., Zahorodny, W., Pettygrove, S., Durkin, M. S., & Fitzgerald, R. T., … Yeargin-Allsopp, M. (2016). Prevalence and characteristics of autism spectrum disorder among 4-year-old children in the autism and developmental disabilities monitoring network. Journal of Developmental & Behavioral Pediatrics, 37 (1), 1-8.
Charles, J. M., Carpenter, L. A., Jenner, W., & Nicholas, J. S. (2008). Recent advances in autism spectrum disorders.International Journal of Psychiatry in Medicine, 38, 133-140.
Eaves, R. C., Campbell, H. A., & Chambers, D. (2000). Criterion-Related and construct validity of the pervasive developmental disorders rating scale and the autism behavior checklist. Psychology in the Schools, 37(37), 311-321.
Leighton, J. P., & Gierl, M. J. (2007). Cognitive diagnostic assessment for education: Theory and applications. Journal of Qingdao Technical College, 45 (4), 407-411.
Lord, C., Elsabbagh, M., Baird, G., & Veenstra-Vanderweele, J. (2018).Autism spectrum disorder. The Lancet, 392 (10146), 508-520.
Lord, C., & Jones, R. M. (2012). Re-thinking the classification of autism spectrum disorders. Journal of Child Psychology & Psychiatry & Allied Disciplines, 53 (5), 490-509.
Lord, C., Rutter, M., & Couteur, A. L. (1994). Autism Diagnostic Interview-Revised: A revised version of a diagnostic interview for caregivers of individuals with possible pervasive developmental disorders. Journal of Autism & Developmental Disorders, 24 (5), 659-685.
Matson, J. L., & Goldin, R. L. (2014). Diagnosing young children with autism. International Journal of Developmental Neuroscience, 39 , 44-48.
Matson, J. L., Wilkins, J., & González, M. (2008). Early identification and diagnosis in autism spectrum disorders in young children and infants-How early is too early. Research in Autism Spectrum Disorders, 2 (1), 75-84.
Macmillan, H. L., Fleming, J. E., Streiner, D. L., Lin, E., Boyle, M. H., Jamieson, E.,... Beardslee, W. R. (2001). Childhood abuse and lifetime psychopathology in a community sample. American Journal of Psychiatry, 158 (11), 1878.
Mirandalinné, F. M., & Melin, L. (2002). A factor analytic study of the Autism Behavior Checklist. Journal of Autism & Developmental Disorders, 32 (3), 181-188.
Nah, Y. H., Young, R. L., Brewer, N., & Berlingeri, G. (2014). Autism Detection in Early Childhood (ADEC): Reliability and validity data for a level 2 screening tool for autistic disorder. Psychological Assessment, 26 (1), 215-226.
Scambler, D. J., Hepburn, S. L., & Rogers, S. J. (2006). A two-year follow-up on risk status identified by the checklist for autism in toddlers. Journal of Developmental & Behavioral Pediatrics, 27 (2), 104-110.
Stone,W.L., Coonrod, E.E., & Ousley, O.Y. (2000) Brief report: Screening Tool for Autism in Two-Year-Olds (STAT): development and preliminary data. Journal of Autism and Developmental Disorders, 30 (6),607-612.
Stone, W.L., Coonrod, E.E., Turner, L.M., & Pozdol, S.L. (2004) Psychometric properties of the STAT for early autism screening. Journal of Autism and Developmental Disorders,34 (6),691-701.
Templin, J. L., & Henson, R. A. (2006). Measurement of psychological disorders using cognitive diagnosis models. Psychol Methods, 11 (3), 287-305.
Watson, L. R., Baranek, G. T., Crais, E. R., Steven, R. J., Dykstra, J., & Perryman, T. (2007). The first year inventory: retrospective parent responses to a questionnaire designed to identify one-year-olds at risk for autism. Journal of Autism & Developmental Disorders, 37 (1), 49-61.
Wetherby, A. M., Brosnanmaddox, S., Peace, V., & Newton, L. (2008). Validation of the Infant-Toddler Checklist as a Broadband Screener for Autism Spectrum Disorders from 9 to 24 Months of Age. Autism the International Journal of Research & Practice, 12 (5), 487-511.
The Review of Autism Spectrum Disorders Assessment Tools
LI Tingting1; GUO Lei1,2,3; LI Shuai1; GAO Jingjie1
(1Faculty of Psychology ,Southwest University ,Chongqing 400715,China ) (2Chongqing Collaborative Innovation Center For Brain Science ,Chongqing 400715,China ) (3Southwest University Branch ,Collaborative Innovation Center of Assessment toward Basic Education Quality ,Chongqing 400715,China )
Abstract Autism, which appears early in childhood, is a widespread developmental disorder characterized by social communication deficits and repetitive sensory-motor behaviours. The research on autism spectrum disorder assessment tools can contribute to early screening, diagnosis and precise intervention. This article systematically introduced the measurement indicators and application of the early screening and diagnostic tools that have been used clinically in recent years, analyzed the problems existing in these tools in combination with the alteration of the latest diagnostic criteria (DSM-5) and then put forward new insights into the development of evaluation tools from the perspective of cognitive diagnostic techniques. We proposed that future research could use the cognitive diagnostic model (CAD) to assess the cognitive patterns of each ASD patient based on the latest diagnostic criteria for autism, thus providing a personalized diagnosis and targeted interventions for each patient. In general, we hope this review will be helpful for future research.
Key words : autism spectrum disorder; psychological assessment; cognitive diagnosis technology
分类号 B841.7
DOI :10.16842/j.cnki.issn2095-5588.2019.02.005
基金项目: 教育部人文社会科学研究青年基金项目(15YJC190003)，2017年重庆市社会科学规划项目(2017PY20)，中央高校基本科研业务费专项资金( SWU1809106)。
通讯作者: 郭磊， E-mail: happygl1229@swu.edu.cn
标签：孤独症谱系障碍论文; 心理测评论文; 认知诊断技术论文; 西南大学心理学部!重庆400715)(论文; 重庆市脑科学协同创新中心!重庆400715)(论文;