BMC Psychiatry volume 22, Artikelnummer: 401 (2022 ) Citeer dit artikelADHD wordt klassiek gezien als een kinderziekte, hoewel het in een op de twee gevallen bij volwassenen aanhoudt.De diagnose is gebaseerd op een lang en multidisciplinair proces, waarbij verschillende gezondheidswerkers betrokken zijn, wat leidt tot een onderdiagnose van volwassen ADHD-patiënten.Daarom presenteren we een psychometrische screeningsschaal voor de identificatie van ADHD bij volwassenen die zowel in klinische als experimentele settings kan worden gebruikt.We hebben de schaal van de DSM-5 ontworpen en toegediend aan n = 110 controle-individuen en n = 110 ADHD-individuen.Het aantal items werd verminderd met behulp van meerdere regressieprocedures.Vervolgens hebben we factoriële analyses en een machine learning-beoordeling uitgevoerd van de voorspellende kracht van de schaal in vergelijking met andere klinische schalen die veelvoorkomende ADHD-comorbiditeiten meten.De interne consistentiecoëfficiënten werden naar tevredenheid berekend voor TRAQ10, waarbij Cronbach's alfa werd gemeten op 0,9.Het geteste 2-factormodel werd bevestigd, een hoge correlatie tussen de items en hun bijbehorende factor.Ten slotte toonde een machine-learninganalyse aan dat classificatie-algoritmen het groepslidmaatschap van proefpersonen met hoge nauwkeurigheid konden identificeren, statistisch superieur aan de prestaties die werden verkregen met behulp van comorbiditeitsschalen.De schaal vertoonde voldoende prestaties voor gebruik in klinische en experimentele instellingen voor het testen van hypothesen of screening, hoewel de generaliseerbaarheid ervan wordt beperkt door de vooroordelen over leeftijd en geslacht die aanwezig zijn in de geanalyseerde gegevens.ADHD is een multifactoriële stoornis met een heterogeen psychopathologisch profiel met heterogene neurocognitieve tekorten, maar met kernsymptomen die de functie impliceren van de frontale-subcorticale-cerebellaire paden die aandacht, opvallendheid, remmende controle en reactie op beloning regelen [1].Deze aandoening wordt klassiek beschouwd als een van de meest voorkomende kinderziektes, maar recente longitudinale studies verzamelden bewijzen dat ADHD aanhoudt tot in de volwassenheid, met variërende getoonde kenmerken per leeftijd [2,3,4].In feite, terwijl ongeveer 5% van de kinderen en adolescenten in de algemene bevolking wordt getroffen, kan deze aandoening bij ten minste de helft van deze patiënten aanhouden op volwassen leeftijd [5].Verschillende auteurs wezen erop dat deze klassieke kijk op ADHD heeft geleid tot een onderdiagnose en onderbehandeling van ADHD bij volwassenen [6].Deze problemen hebben geleid tot sterke internationale inspanningen om informatie te delen met clinici, bijvoorbeeld in de herwerking van de veelgebruikte Diagnostic and Statistical Manual of Mental Disorders - Fifth Edition [7], waarin de mogelijke differentiële expressie van ADHD gedurende het hele leven van de patiënt werd benadrukt. , en de Europese consensusverklaring over diagnose en behandeling van ADHD bij volwassenen [4], om de identificatie en behandeling van ADHD te vergemakkelijken.De DSM-5 beschrijft ADHD als een storende, aanhoudende aandoening die zich gelijktijdig op verschillende niveaus (bijvoorbeeld sociaal, huishoudelijk of beroepsmatig) manifesteert.Vooral bij volwassenen beschrijft het ADHD als extreme rusteloosheid of intensiteit van activiteit die vermoeiend is voor anderen;al dan niet gelijktijdig presenteren met overhaaste acties die op dit moment plaatsvinden zonder na te denken over de mogelijke gevolgen ervan en met een risico om de proefpersoon schade toe te brengen, met een sterke neiging tot op beloning gebaseerd functioneren, en met opmerkelijke moeilijkheden bij het beoordelen en maken van langdurige termijn beslissingen.Hij benadrukt het belang van de context bij het lezen van de klachten en grieven van de patiënt, en in het bijzonder op het feit dat de manifestaties van de stoornis in meer dan één context aanwezig moeten zijn, met opmerkelijke variabiliteit naargelang de context van observatie.Vanwege de significante heterogeniteit die wordt waargenomen bij ADHD bij volwassenen, hebben sommige auteurs echter gewezen op problemen bij het vaststellen van differentiële diagnoses van ADHD, vooral wanneer de kwestie van differentiële diagnose bij een bipolaire stoornis zich voordoet, waarbij veel symptomen elkaar overlappen met significante comorbiditeit [8, 9].De erkenning van het belang van het diagnosticeren en behandelen van ADHD groeit, aangezien onlangs werd aangetoond dat ADHD vaker voorkomt in sommige klinische populaties, zoals patiënten met verslavende, forensische en persoonlijkheidsstoornissen [10].In feite werd ADHD in het algemeen massaal gerapporteerd als een aandoening die de individuele interactie met zijn omgeving schaadde, waardoor het risico op het optreden van schadelijke gebeurtenissen zoals verwondingen [11], verkeersongevallen [12] en middelenmisbruik [13] toenam. , wat leidt tot een verhoogd gebruik van de gezondheidszorg [2], werkloosheid [14] en zelfmoord [15].Deze observaties wezen op het bijzondere belang van screening binnen deze risicopopulaties.ADHD wordt echter meestal gediagnosticeerd door middel van een tijdrovend multidisciplinair evaluatieproces, waaronder ten minste het bezoek aan gedragsspecialisten zoals psychologen en aan geestelijk functionerende specialisten zoals neurologen of psychiaters, waardoor de duur van het diagnostische proces wordt verlengd, wat zich over lange tijdsperioden kan uitstrekken. .Met de toenemende behoefte aan screening leidde dit tot de creatie van psychometrische automatisch toegediende schalen, zoals de bekende Adult ADHD Self-Report Scale [16], die onlangs is bijgewerkt naar de DSM-5 [17], om om het diagnostisch proces te verkorten.Dit werk betreft echter een schaal die niet in het Frans is gevalideerd en dus niet ten goede kan komen aan de Franse ADHD-populatie en de behoefte aan screening.Bovendien lijkt dit instrument verschillende aspecten te hebben die verband houden met de constructie: ten eerste is de ASRS geconstrueerd op basis van een 5-punts Likert-schaal, dus met een middelpunt in de schaal en mogelijk onderhevig aan een neutraliteitsbias, zelfs als het bestaan ​​ervan nog steeds gedebatteerd [18, 19];daarnaast zijn de items geconstrueerd door de terminologie die in de diagnostische criteria wordt gebruikt aan te passen, waardoor de contextuele effecten die tijdens het lezen kunnen optreden, worden geminimaliseerd door ze te reduceren tot een algemene presentatie;en ten slotte worden de vragen gepresenteerd in de vorm van de 2e persoon meervoud "jij", terwijl recentelijk is aangetoond dat stimuli die worden uitgevoerd met behulp van het persoonlijk voornaamwoord "ik" zorgen voor een grotere onderdompeling van het onderwerp in relatie tot een situationele context [ 20];een maatregel die bijzonder relevant lijkt in de context van ADHD en in relatie tot de beschrijving in de DSM-5.Om te voldoen aan de eisen van de Franse ecosystemen op het gebied van screening, hebben we een ADHD-screeningsschaal voor volwassenen ontwikkeld in 6 punten, opgebouwd rond het persoonlijk voornaamwoord "I" en theoretisch gearticuleerd rond de DSM-5.Bovendien hebben benaderingen van machinaal leren aanzienlijke vooruitgang mogelijk gemaakt met betrekking tot een grote verscheidenheid aan numerieke problemen op een groot aantal verschillende gebieden, zoals natuurkunde [13, 14], scheikunde [15] en neurowetenschappen [16, 17];we hebben besloten om tegelijkertijd een algoritmisch model te produceren op basis van de tool, om een ​​geautomatiseerd screeningmodel op te zetten dat bruikbaar is bij volwassenen, en dat beide de klinische ecosystemen ten goede komt (dwz de tool kan worden gebruikt om de diagnostische intuïtie te sturen of te valideren ) en onderzoek (dwz de tool kan ook een geautomatiseerde screening uitvoeren vanuit een vooraf getraind model).We hebben dus 43 voorlopige items gegenereerd op basis van de DSM-5-criteria (pTRAQ: Preliminary Trognon & Richard ADHD Questionnaire), en deze schaal toegediend aan 110 ADHD-proefpersonen en 110 controles.Vervolgens hebben we statistisch de meest onderscheidende items geselecteerd met betrekking tot de aan- of afwezigheid van de klinische toestand van de proefpersoon om de definitieve Trognon & Richard ADHD-vragenlijst Franse 10-items (TRAQ10) te genereren.Vervolgens analyseerden we de psychometrische eigenschappen ervan, in termen van interne consistentie, evenals factorstructuur, onder het prisma van een 2-factormodel dat de gedragsexpressie van cognitieve symptomatologie (dwz aandacht en remming/impulsiviteit) verklaart.Ten slotte hebben we de voorspellende kracht van de schaal onderzocht met behulp van een machine-learningbenadering, gebaseerd op operationele statistieken zoals gevoeligheid en specificiteit, in vergelijking met andere schalen die ADHD-comorbiditeiten meten.Vervolgens hebben we drie schalen geselecteerd: de TRAQ, de doelvragenlijst, die was ontworpen om gedragskenmerken van ADHD te evalueren, als de schaal die we beoordelen.Vervolgens selecteerden we twee andere schalen als controles: ten eerste, de Depression Anxiety Stress Scales 21-items [21], die dimensies delen met het ADHD-construct zoals eerder werd getoond [22,23,24];dan de schaal van naleving van de waarden van de ideale democratie [25];werd gebruikt als een "negatieve-controleschaal", omdat we dachten dat de ADHD-aandoening de perceptie van de waarden die door democratie worden gedragen niet zou mogen veranderen, en dus geen verband zou moeten hebben met het ADHD-construct.Vervolgens hebben we drie geautomatiseerde classificaties van ADHD-diagnose uitgevoerd met behulp van XGBoost-classificatie (dwz één algoritme voor elke aandoening), en elk voorspellend vermogen geëvalueerd met behulp van classificatiestatistieken zoals gevoeligheid, specificiteit, negatieve en positieve voorspellende waarden;in de veronderstelling dat de TRAQ10-vragenlijst een hogere en statistisch andere nauwkeurigheid zou moeten hebben dan de voorspellingen die zijn verkregen met behulp van de twee andere vragenlijsten, aangezien dit de enige is die ADHD-gedragskenmerken formeel meet.De initiële vragenlijst in 43 items was aangepast van de DSM-5 en elk item werd gekoppeld aan één cognitief domein dat overeenkomstig de gedragsexpressie van de symptomen van ADHD op twee domeinen was aangetast: aandacht en remming/impulsiviteit (aanvullend bestand 1).Het werd vervolgens geautomatiseerd met behulp van de Google Form-tool.De steekproeftrekking is willekeurig uitgevoerd door het verspreiden van de vragenlijst op sociale netwerken, zonder direct contact met de deelnemers en op basis van anonieme vrijwillige bijdragen.Alleen leeftijd, geslacht, sociaal-cultureel niveau, diagnose en datum van voltooiing werden verzameld, waardoor volledige anonimiteit voor de deelnemers werd gegarandeerd.De meest discriminerende items werden geselecteerd met behulp van een stapsgewijze achterwaartse eliminatie meervoudige regressie (aanvullend bestand 2).Vervolgens is de faculteitsstructuur getest en zijn de normen opgesteld (Aanvullend Dossier 5).Ten slotte werden drie classificatie-algoritmen getraind om de differentiële prestaties van de screener te meten in vergelijking met andere schalen die al dan niet comorbiditeiten geassocieerd met ADHD meten om discriminante validiteit te beoordelen.Tweehonderdtwintig niet-voorgeselecteerde volwassenen (gemiddelde leeftijd = 27,8 jaar, SD = 9,2; ADHD n = 110; controles = 110) uit de algemene Franse bevolking namen deel aan dit onderzoek via een online vrijwillige aleatorische steekproef.Alle vragen zijn door alle deelnemers ingevuld, dus alle maten waren beschikbaar voor alle onderwerpen.De volledige dataset is beschikbaar in (Extra bestand 3).Alle deelnemers ontvingen gedetailleerde informatie over het doel en de doelstellingen van het onderzoek en gaven online geïnformeerde toestemming om deel te nemen aan het onderzoek.Alle procedures werden uitgevoerd in overeenstemming met de Verklaring van Helsinki en het onderzoeksprotocol werd goedgekeurd door de Institutional Review Board Commission Nationale de l'Informatique et des Libertés (registratienummer 2224719v0).Items zijn ontwikkeld op basis van de veelgebruikte diagnostische en statistische handleiding - vijfde editie [7].Voor elk criterium hebben we 1 tot 3 items gegenereerd (afhankelijk van het feit of een item meerdere criteria overlapt), met als doel een persoonlijke representatie naar voren te brengen waarover de deelnemer een oordeel kan vellen over de al dan niet overeenstemming tussen de geïnduceerde representatie en de subjectieve gevoelens.Er werden dus 43 items gegenereerd voor de voorlopige versie van de schaal.We selecteerden een Osgood-achtige schaal van 6 punten, variërend van 1 "Lijkt helemaal niet op mij."tot 6 "Lijkt op mij.", om neutraliteitsvooroordeel te voorkomen, ook al wordt er momenteel nog steeds gedebatteerd over het bestaan ​​ervan [18, 19].Vervolgens voerden we een herhaalde stapsgewijze top-down regressie meervoudige lineaire regressie (diagnose~itemi) uit om de factoren te verduidelijken waardoor de afhankelijke variabele op het punt stond te worden beïnvloed en voor het selecteren van discriminerende items om de diagnose ADHD te benadrukken.De interne consistentie en betrouwbaarheid van de overige items werd onderzocht met behulp van Cronbach's alpha.Het redelijke aanvaardbaarheidscriterium was ingesteld op .70 ≤ ɑ ≤ .90, waarbij het overschrijden van de ondergrens een lage betrouwbaarheid betekent, en het overschrijden van de bovengrens betekent te veel vergelijkbare items, waardoor de werkelijke betrouwbaarheid van de schaal afneemt [26, 27].Om ons 2-factorenmodel voor TRAQ10 te testen en de constructvaliditeit te beoordelen, hebben we een bevestigende factoranalyse uitgevoerd.De gegeneraliseerde kleinste-kwadratenmethode werd uitgevoerd om de geschiktheid van de factorstructuur te testen.Modelfit werd beoordeeld met behulp van de volgende fit-indices: we gebruikten de χ2-teststatistiek voor absolute fit;de Comparative Fit Index (CFI) en Tucker-Lewis Index (TLI) voor fit ten opzichte van een nulmodel [28, 29];de gestandaardiseerde Root Mean Square Residual (SRMR [30]) en de Root Mean Square Error of Approximation (RMSEA [31]) voor de algehele pasvorm.Overeenkomstig Hu & Bentler (1999) [32] gingen we ervan uit dat ons 2-factorenmodel goed past als CFI > .95;TLI > .95;RMSEA<.06 en SRMR<.08.Alle statistische analyses werden gecodeerd in R met Lavaan-bibliotheek en geïnterpreteerd in RStudio v1.0.143.Om het vermogen van de schaal om de ADHD-diagnose vast te leggen te evalueren, hebben we ervoor gekozen om onze analyse te baseren op een machine learning-model.Machine learning-benadering bestaat uit het trainen van een algoritme op een subset van de hele dataset en het testen van het algoritme op een onafhankelijke subset.Hier hebben we een XGBoost-classificatie-algoritme gebruikt om de voorspellende kracht van de reacties van de TRAQ10-deelnemer te beoordelen om ADHD-diagnose te diagnosticeren en uit te sluiten in vergelijking met de andere schalen die in dit onderzoek zijn gebruikt.XGBoost is een schaalbaar end-to-end boomversterkingssysteem dat op de hoogte is van kwantielschets voor schaarste en gewicht voor het benaderen van bomen [33].In deze studie hebben we rasterzoektechnieken gebruikt om de hyperparameters van alle classificatie-algoritmen in te stellen, en we hebben een k-Fold (met k = 10) kruisvalidatie uitgevoerd om het model te valideren.Algoritmen voor machinaal leren werden gecodeerd in Python en statistische analyse werd gecodeerd in R en geïnterpreteerd in RStudio v1.0.143.Na gegevensverzameling werd de hele dataset willekeurig gesplitst om een ​​onafhankelijke trainingsset (n = 154) en testset (n = 66) te vormen met behulp van Sci-Kit Learn Libraries met een 70/30-verhouding.Voor elke schaal (dwz TRAQ10, DASS21 en AVDI) werd een XGBoost-algoritmeclassificator geconstrueerd op basis van trainingssetgegevens.Er werd een rasterzoekopdracht uitgevoerd om elke classificatie te optimaliseren.We hebben de volgende hyperparameters geoptimaliseerd: de eta (van 0,1 naar 1 per stap van 0,05);het gamma (van 0,1 tot 1 per stap van .005);de maximale diepte (van 1 tot 10 per stap van 1);het minimale kindgewicht (van 0 tot 1 per stap van .25), de subsample (van 0.1 tot 1 per stap van .01), de steekproefmethode (twee niveaus: uniform of op gradiënt gebaseerd), de alfa (van 0 tot 1 per stap van .25), de lambda (van 0 tot 1 per stap van .25), het verversingsblad (twee niveaus: 0 of 1) en de colsample per boom, niveau en knoop (elk van 0,1 tot 1 door stap van .0025).De scoringsmethode is ingesteld voor optimalisatie van de nauwkeurigheid.Hyperparameters-instellingen worden weergegeven in aanvullend bestand 4. Vervolgens werd een 10-voudige kruisvalidatie uitgevoerd voor elk algoritme op de resterende testset om de prestaties van modellen in termen van nauwkeurigheid te evalueren.Voor elk algoritme werden gevoeligheids- en specificiteitswaarden verkregen.De voor elk algoritme verkregen nauwkeurigheidswaarden werden vervolgens statistisch vergeleken door middel van een tweeweg-ANOVA-test, met de voorspellingsbron (drie niveaus: TRAQ10; DASS21; of AVDI) en nauwkeurigheidsmetriek als parameters om te verifiëren of het algoritme op basis van de hyperactiviteitsschaal aanzienlijk betere prestaties dan die op basis van de andere twee schalen (dwz DASS en AVDI).De willekeurige toestand werd in alle omstandigheden op 0 gezet.Beschrijvende statistieken van de onderzoekssteekproef worden weergegeven in tabel 1 en volledige normen voor elke populatie uitgedrukt in centielen zijn beschikbaar in aanvullend bestand 5. De resultaten toonden aan dat ADHD-patiënten hogere scores rapporteerden in vergelijking met controles voor alle dimensies.Meervoudige lineaire regressieanalyse (stapsgewijze eliminatieprocedure) met diagnose als de afhankelijke variabele en patiëntenscores op pTRAQ (projectvragenlijst) als onafhankelijke variabelen (diagnose~itemi) onthulde dat ADHD de scores op pTRAQ3 aanzienlijk laat variëren [β = .047, p = .02], pTRAQ11 [β = .065, p = .007], pTRAQ41 [β = .034, p = .03], pTRAQ4 [β = −.06, p = .02], pTRAQ1 [β = −. 05, p = .001], pTRAQ28 [β = −.08, p < .001], pTRAQ26 [β = −.003, p = .01], pTRAQ24 [β = .005, p = .008], pTRAQ14 [β = −.10, p < .001] en pTRAQ7 [β = .003, p = .02].De metingen verkregen op de 10 resterende items van de 43 waren [F(10.209) = 38.8, p <.001, R2 = .6499 en R2adjusted = .6331].Resultaten met betrekking tot interne consistentie en betrouwbaarheid worden weergegeven in Tabel 2. Gegevens die worden weergegeven dan de TRAQ10-vragenlijst hebben een hoge interne consistentie en betrouwbaarheid, zelfs wanneer een item wordt weggelaten.De Cronbach's alpha werd gemeten op .9 [BI95% = .89–.92] voor de volledige TRAQ10-vragenlijst.Toen elk van de TRAQ10-items uit de analyse werd verwijderd om de robuustheid te beoordelen, bleef de Cronbach's alfa hoog (variërend van 0,89 tot 0,90 met gemiddeldeɑ = 0,89, SD = 0,008).Alle maatregelen lagen boven de minimaal aanvaardbare waarde van 0,70 en lagen dicht bij de maximaal verwachte waarde van 0,9.Bevestigende factoranalyse suggereerde een goede modelfit met de TRAQ10-vragenlijst.Significante items geselecteerd door de meervoudige regressie werden gehergroepeerd in twee factoren voor de twee gedragsmodules beschreven in de DSM-5.Items TRAQ1;2;4;8;10 werden gecombineerd in de factor “Attentie” en items TRAQ3;5;6;7;9 werden gecombineerd in de factor “Remming/Impulsiviteit”.Bevestigende factoranalyse suggereerde dat het 2-factorenmodel een acceptabele fit heeft met de TRAQ10-vragenlijst, met statistieken die iets onder de vooraf gedefinieerde afkapwaarde blijven [χ2(34) = 138.45, p <.001, CFI = .91, TLI = 0,88, RMSEA = 0,11, SRMR = 0,058].Tabel 3 toont gestandaardiseerde factorladingen voor de TRAQ10.Uit analyse bleek dat alle gestandaardiseerde factorladingen varieerden van .7 tot .89 voor aandacht en van .49 tot .83 voor impulsiviteitsmodule.De correlatie tussen aandacht en impulsiviteit was significant en gemeten bij r = 0,98.Gezien de opmerkelijke onbalans tussen het aantal mannen en vrouwen dat aan het onderzoek heeft deelgenomen, hebben we de analyse ook alleen in de vrouwelijke steekproef uitgevoerd.Deze analyse is beschikbaar in Aanvullend bestand 6.Resultaten voor de 10-voudige kruisvalidatie van de classificatietaak worden weergegeven in Fig. 1 en Tabel 4. Gegevens toonden aan dat het algoritme in staat was om de ADHD-diagnose bij patiënten te identificeren en deze uit te sluiten in controles alleen op basis van de reacties van de deelnemers op de TRAQ vragenlijsten en met hoge nauwkeurigheid.Resultaten van de detectiestatistieken in 10-voudige kruisvalidatieDe XGBoost-classificator die was getraind op de TRAQ10-gegevens van 154 van de 220 willekeurig geselecteerde deelnemers, was in staat om groepsaanwezigheid van de resterende deelnemers te identificeren met een nauwkeurigheid van 0,98, en identificeerde correct 36 van de 36 ADHD-deelnemers en 29 van de 30 controles [gevoeligheid = 0,97;specificiteit = 1;PPV = 1;NPV = 0,97].Deze resultaten verschillen van de resultaten die werden verkregen in andere omstandigheden: ten eerste was de classifier voor DASS21-voorspellingen in staat om de groepsaanwezigheid van de resterende deelnemers correct te identificeren met een nauwkeurigheid van 0,74, waarbij 27 van de 36 ADHD-deelnemers en 22 van de 30 controles correct werden geïdentificeerd [gevoeligheid = 0,77;specificiteit = .71;PPV = 0,75;NPV = 0,73].Ten slotte was de classifier voor AVDI-voorspellingen (negatieve controle) in staat om de groepsaanwezigheid van de resterende deelnemers te identificeren met een nauwkeurigheid van 0,59, waarbij 23 van de 36 ADHD-deelnemers en 16 van de 30 controles correct werden geïdentificeerd [gevoeligheid = 0,62;specificiteit = 0,55;PPV = 0,64;NPV = 0,53].Verdere tweeweg-ANOVA op 10-voudige kruisvalidatie-nauwkeurigheidsmetingen (nauwkeurigheden~bron) onthulde een significant effect voor bron [F [2,27]=29.81,p <.001], en verdere post-hocanalyse van Tukey bracht significante verschillen aan het licht tussen voorspellingen van TRAQ10 en DASS21 [p < .001] en van TRAQ10 en AVDI [p < .001], maar niet tussen voorspellingen van DASS21 en AVDI [p = .39].Deze resultaten suggereren dat de antwoorden van de deelnemers op de TRAQ10-vragenlijst voldoende zijn om de diagnose ADHD met hoge nauwkeurigheid te voorspellen.In feite, zelfs als andere vragenlijsten (dwz DASS21 en AVDI) in staat zijn om meer dan toeval te presteren, vertoonden beide een vergelijkbare lagere en statistisch verschillende nauwkeurigheid in vergelijking met de TRAQ10-prestaties.De huidige studie verifieerde de betrouwbaarheid en de constructvaliditeit van de Trognon & Richard ADHD Questionnaire 10-items Franse versie voor volwassenen (TRAQ10) en maakte de productie mogelijk van een hulpmiddel dat zowel in klinische routine als in experimentele instellingen kan worden gebruikt.De Cronbach's alfa-waarden suggereerden dat de TRAQ10 intern betrouwbaar was, waarbij de gemeten alfa binnen de .70 ≤ ɑ ≤ .90 intervallen bleef, aanbevolen door (Bland & Altman, 1997; DeVellis, 2003) [26, 27], behalve wanneer item 5 gedaald en waarbij de gemeten alfa de bovengrens van 0,01 overschrijdt.Verdere bevestigende factoranalyse ondersteunde onze twee-factorenstructuur voor de TRAQ10-vragenlijst, met items TRAQ1;2;4;8;10 gegroepeerd in de “Attentie”-factor, en TRAQ3;5;6;7;9 gegroepeerd in de “Remming/ Impulsiviteitsfactor.Analyse toonde aan dat dit model een acceptabele fit heeft volgens de standaarden gedefinieerd door (Hu & Bentler, 1999) [32].Bovendien laadden alle items hoog op hun toegeschreven factoren, en alle factoren correleerden met de andere.Deze factoriële maatregelen moesten echter worden gerepliceerd in neuropsychologische onderzoeken en geëvalueerd op hun verband met cognitieve stoornissen.In onze analyse hebben we machinale leerprocedures gebruikt om het patroon van de antwoorden van deelnemers op de TRAQ10-vragenlijst onder ADHD- en neurotypische populaties te analyseren, en deze resultaten vergeleken met twee andere schalen om de voorspellende kracht ervan formeel te valideren.De XGBoost machine-learning classifier getraind op de gegevens van de TRAQ10-vragenlijst, uitgevoerd met hoge nauwkeurigheid en zeer weinig valse positieven.Dit model vertoonde betere (en statistisch verschillende) prestaties dan die gebaseerd op de twee andere schalen (dwz angst en democratie-adhesie) schalen, wat zijn voorspellende kracht aantoont om ADHD-attribuut te labelen in vergelijking met andere schalen die wel of niet dragen (dwz DASS21) (dwz AVDI) direct of indirect verband met ADHD-construct;aldus de manier schetsen waarop dit type classificator het diagnostische proces van ADHD van de professional zou kunnen vergemakkelijken, gezien het geautomatiseerde ontwerp, waardoor het tijdens een consult kan worden gebruikt zonder de noodzaak om handmatig resultaten te berekenen of statistische tabellen te gebruiken, wat een aanzienlijke winst is van tijd, minder vatbaar voor menselijke fouten en direct implementeerbaar.Bovendien zou het geautomatiseerde ontwerp ervan de weg vrijmaken voor gebruik op een dynamische, mobiele, snelle en flexibele manier, met name in de onderzoeksecosystemen die dit type computerscreener zouden kunnen gebruiken om automatisch het klinische label toe te kennen volgens een vooraf getrainde model, waardoor grootschalige psychometrische studies kunnen worden uitgevoerd, zonder voorkennis van de te bemonsteren populatie.Toekomstig werk aan deze classificatie is echter nog nodig, met name wat betreft de differentiële prestaties wanneer deze worden toegepast op datasets met verschillende en/of verwarrende klinische aandoeningen (zoals bipolaire stoornis of het syndroom van Asperger).Meer in het algemeen zijn we van mening dat deze computationele screeningstrategieën een belangrijke rol zullen spelen in de huidige context van Evidence-Based Practices, vooral in de context van behandeling, een van de belangrijkste thema's die in deze expertisegebieden over ADHD worden besproken [ 34].Op dezelfde manier waarop computationele technieken zijn gebruikt om de optimale parameters van diepe hersenstimulatie en functionele beeldvorming te voorspellen [35], zou men zich inderdaad de mogelijke voordelen van verschillende interventies kunnen voorstellen (bijv. farmacologie VS psychotherapie VS gecombineerd), gebaseerd op het responspatroon van de patiënt, in de veronderstelling dat het responspatroon van de patiënt moet worden bepaald door zijn of haar cognitieve toestand.Evenzo zou men zich een gecombineerd gebruik kunnen voorstellen van verschillende instrumenten die zijn getraind op verschillende klinische aandoeningen om de kansen te berekenen van een of meer gegeven klinische aandoeningen die tegelijkertijd worden genomen.Desalniettemin lijdt de huidige studie aan verschillende beperkingen die de generaliseerbaarheid ervan verminderen.Ten eerste werd een sterke leeftijdsbias (statistisch significant) gelijktijdig gemeten met een zwakke sociaal-culturele bias (statistisch significant) die de training van de algoritmen mogelijk vertekend hebben.We waren ook niet in staat om hetzelfde aantal individuen voor elk geslacht te verkrijgen, ondanks het feit dat we hetzelfde aantal individuen van elk geslacht voor elke groep hadden verkregen, wat ons ertoe bracht een vastgestelde validiteit voor vrouwen te overwegen, terwijl we gedeeltelijk bleven voor mannen.Etniciteit hebben we ook niet gemeten.Bovendien hebben we geen positieve controle of convergente validiteitsexperiment uitgevoerd door de prestaties te meten van tools die al beschikbaar waren in het Frans of Engels en die vertaald hadden kunnen worden en we waren niet in staat om te controleren op corrupte gegevens, gezien het geautomatiseerde aspect van de administratie van de vragenlijsten, waardoor we niet kunnen controleren op de aanwezigheid van kunstmatige of onjuiste gegevens.Ten slotte hebben we de typische symptomen genoemd door de DSM-5 niet vergeleken met andere classificaties, zoals die voorgesteld door Barkley of Fedele en hun respectievelijke medewerkers [14, 36], en hadden we kunnen helpen om ADHD-symptomen te schetsen die niet worden gedekt door de DSM-5 (of bijzonder geschikt in de context van volwassen ADHD, in tegenstelling tot de presentatie die deze aandoening tijdens de kindertijd kan hebben).We concludeerden uit deze analyses dat de TRAQ10 kan worden gebruikt om ADHD-attributen toe te schrijven aan een Franse onderzoekssteekproef.Vanuit klinisch oogpunt zijn wij van mening dat deze schaal kan worden gebruikt tijdens een eerste consult of aan het einde van het consult om de klinische expertise van de gezondheidswerker te ondersteunen en als een beslissingshulpmiddel te dienen bij de beslissing om een ​​multidisciplinair diagnostisch proces te volgen.Daarentegen, vanuit een experimenteel oogpunt, zijn we van mening dat dit hulpmiddel zou kunnen worden gebruikt om automatisch het kenmerk ADHD in een bepaalde steekproef te labelen, en zo het mogelijk te maken psychometrische resultaten uit te voeren zonder a priori kennis van de steekproefpopulatie, maar waarvan de generaliseerbaarheid beperkt zal zijn. door de vooroordelen die aanwezig zijn in de onderzoekssteekproef.De dataset die tijdens het onderzoek is gebruikt, is beschikbaar in (aanvullend bestand 1).Scassellati C, Bonvicini C, Faraone SV, Gennarelli M. Biomarkers en aandachtstekortstoornis / hyperactiviteit: een systematische review en meta-analyses.J Am Acad Kinderpsychiatrie.2012;51:1003-1019.e20.Biederman J, Faraone SV.Aandachtstekortstoornis met hyperactiviteit.Lancet.2005;366:237-48.Faraone SV, et al.Aandachtstekortstoornis/hyperactiviteitsstoornis bij volwassenen: een overzicht.Biol Psychiatrie.2000;48:9-20.Kooij SJ, et al.Europese consensusverklaring over diagnose en behandeling van ADHD bij volwassenen: het Europese netwerk ADHD bij volwassenen.BMC Psychiatrie.2010;10:67.Faraone SV, et al.Aandachtstekortstoornis/hyperactiviteitsstoornis.Nat Rev Dis Prim.2015;1:1–23.Express-scripts.The Express Scripts 2014. Aandacht voor ADHD.https://ldh.la.gov/assets/ADHD/ADHD_March2014_ExpressScripts.pdf.Toegang tot juni 2022.Amerikaanse Psychiatrische Vereniging.Diagnostische en statistische handleiding van psychische stoornissen (5e ed.).2013. https://doi.org/10.1176/appi.books.9780890425596.Brus MJ, Solanto MV, Goldberg JF.Volwassen ADHD versus bipolaire stoornis in het DSM-5-tijdperk: een uitdagende differentiatie voor clinici.J Psychiater Praktijk.2014;20:428–37.Jonge JL, Goodman DW.Diagnose, management en behandeling van ADHD bij volwassenen in het DSM-5-tijdperk.Prim Care Companion CNS-stoornis.2016;18:26599.Foreman DM, Foreman D, Prendergast M, Minty B. Wordt de prevalentie van ICD-10-hyperkinese in de kliniek onderschat?Impact van het vergroten van het bewustzijn door een vragenlijstscherm in een Britse kliniek.Eur Jeugdpsychiatrie.2001;10:130-4.Dalsgaard S, Leckman JF, Mortensen PB, Nielsen HS, Simonsen M. Effect van geneesmiddelen op het risico op verwondingen bij kinderen met aandachtstekortstoornis met hyperactiviteit: een prospectieve cohortstudie.Lancet Psychiatrie.2015;2:702–9.Chang WC, et al.Klinische en cognitieve voorspellers van beroepsuitkomsten bij schizofrenie in de eerste aflevering: een prospectieve 3-jarige follow-upstudie.Psychiatrie Res.2014;220:834–9.Dalsgaard S, Mortensen PB, Frydenberg M, Thomsen PH.ADHD, stimulerende behandeling in de kindertijd en daaropvolgend middelenmisbruik op volwassen leeftijd - een naturalistisch vervolgonderzoek op lange termijn.Verslaafd gedrag.2014;39:325-8.Barkley RA, Murphy KR, Fischer M. ADHD bij volwassenen: wat de wetenschap zegt: The Guilford Press;2010.Furczyk K, Thome J. Volwassen ADHD en zelfmoord.ADHD Atten Def Hyp Disord.2014;6:153–8.van de GlindG, et al.Validiteit van de volwassen ADHD-zelfrapportageschaal (ASRS) als screener voor volwassen ADHD bij patiënten die op zoek zijn naar een stoornis in het gebruik van middelen.Drug Alcohol Afhankelijk.2013;132:587-96.Ustun B, et al.De World Health Organization volwassen aandachtstekort/hyperactiviteitsstoornis zelfrapportage-screeningschaal voor DSM-5.JAMA Psychiatrie.2017;74:520-6.Lozano LM, García-Cueto E, Muñiz J. Effect van het aantal antwoordcategorieën op de betrouwbaarheid en validiteit van beoordelingsschalen.Methode Eur J Res Methoden Gedrag Soc Sci.2008;4:73–9.Weijters B, Cabooter E, Schillewaert N. Het effect van het formaat van een beoordelingsschaal op antwoordstijlen: het aantal antwoordcategorieën en antwoordcategorielabels.Int J Res Mark.2010;27:236–47.Hartung F, Burke M, Hagoort P, Willems RM.Perspectief nemen: persoonlijke voornaamwoorden beïnvloeden ervaringsaspecten van literair lezen.PLoS Een.2016;11:e0154732.Brown GL, Goodwin FK, Ballenger JC, Goyer PF, majoor LF.Agressie bij de mens correleert met aminemetabolieten in het hersenvocht.Psychiatrie Res.1979;1:131–9.Grogan K, et al.Differentiële diagnose en comorbiditeit van ADHD en angst bij volwassenen.Br J Clin Psychol.2018;57:99–115.Mohamed SMH, Börger NA, Geuze RH, van der Meere JJ.Lateralisatie van de hersenen en zelfgerapporteerde symptomen van ADHD in een populatiesteekproef van volwassenen: een dimensionale benadering.Voor Psychol.2015;6:1418.Reimherr FW, Marchant BK, Gift TE, Steans TA.ADHD en angst: klinische betekenis en implicaties voor de behandeling.Curr Psychiatrie Rep. 2017;19:109.Lebreuilly R, Martin M. Création en validation d'une échelle d'adhésion envers les valeurs de la démocratie idéale (AVDI).Les Cahiers Internationaux de Psychologie Sociale Numéro.2014;104:621-46.Bland JM, Altman DG.Cronbachs alfa.BMJ.1997;314:572.De Vellis RF.Schaalontwikkeling: theorie en toepassingen: SAGE;2003.Bentler PM.Vergelijkende fit-indexen in structurele modellen.Psychol Bull.1990;107:238-46.U kunt deze auteur ook zoeken in PubMed Google ScholarU kunt deze auteur ook zoeken in PubMed Google ScholarSpringer Nature blijft neutraal met betrekking tot jurisdictieclaims in gepubliceerde kaarten en institutionele voorkeuren.Open toegang Dit artikel is gelicentieerd onder een Creative Commons Attribution 4.0 International License, die gebruik, delen, aanpassing, distributie en reproductie in elk medium of formaat toestaat, zolang je de oorspronkelijke auteur(s) en de bron op de juiste manier vermeldt, geef een link naar de Creative Commons-licentie en geef aan of er wijzigingen zijn aangebracht.De afbeeldingen of ander materiaal van derden in dit artikel zijn opgenomen in de Creative Commons-licentie van het artikel, tenzij anders aangegeven in een kredietlijn bij het materiaal.Als materiaal niet is opgenomen in de Creative Commons-licentie van het artikel en uw beoogde gebruik niet is toegestaan ​​door wettelijke voorschriften of het toegestane gebruik overschrijdt, dient u rechtstreeks toestemming te verkrijgen van de auteursrechthebbende.Ga naar http://creativecommons.org/licenses/by/4.0/ om een ​​kopie van deze licentie te bekijken.De Creative Commons Public Domain Dedication waiver (http://creativecommons.org/publicdomain/zero/1.0/) is van toepassing op de gegevens die in dit artikel beschikbaar worden gesteld, tenzij anders vermeld in een kredietlijn bij de gegevens.Iedereen met wie u de volgende link deelt, kan deze inhoud lezen:Sorry, er is momenteel geen deelbare link beschikbaar voor dit artikel.Geleverd door het Springer Nature SharedIt-initiatief voor het delen van inhoudDoor deze website te gebruiken, gaat u akkoord met onze Algemene voorwaarden, Privacyverklaring van Californië, Privacyverklaring en Cookiebeleid.Cookies beheren/mijn gegevens die we gebruiken niet verkopen in het voorkeurencentrum.© 2022 BioMed Central Ltd, tenzij anders vermeld.Onderdeel van Springer Nature.