تشخیص اختلال نقص توجه/ بیش فعالی با ابزار وکسلر چهارم و نسخه تکمیلی: رتبه بندی خرده مقیاس های موثر با تحلیل شبکه عصبی مصنوعی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مقدمه: اختلال نقص توجه /بیش فعالی اختلالی است با نقص در کارکردهای شناختی که آزمون هایی نظیر وکسلر در تشخیص این نواقص کاربرد دارد. اخیراً داده کاوی بر اساس شبکه عصبی در تحقیقات روان شناختی مورد توجه قرار گرفته است. هدف این پژوهش رتبه بندی خرده مقیاس های موثر وکسلر در پیش بینی اختلال نارسایی توجه/بیش فعالی با تحلیل شبکه عصبی بود. روش: نمونه پژوهش دانش آموزان مراجعه کننده به مراکز مشاوره شهریار بوده و به روش نمونه گیری در دسترس و با مصاحبه بالینی بر اساس معیارهای DSM-5 به تعداد 162 نفر در سال تحصیلی 97-96 انتخاب شدند. نمرات نارسایی توجه، بیش فعالی و نوع ترکیب با تکمیل پرسشنامه سوانسون و نوپلهام توسط معلمان تعیین شده و در نهایت آزمون هوشی وکسلر نسخه چهارم انجام شد. داده ها با روش شبکه عصبی و نرم افزار متلب مورد تحلیل قرار گرفتند. 40 خرده مقیاس به عنوان ورودی شبکه با 40، یک لایه میانی با 42 نورون و یک لایه خروجی به عنوان بهترین الگوی شبکه مشخص شد.یافته ها: در نوع ترکیبی خرده مقیاس های 1- رمزگذاری، 2- ظرفیت حرف با آهنگ، 3- شباهت ها، 4- گزینه ای واژگان تصویری، 5- حذف تصادفی، در بیش فعالی 1- رمزگذاری، 2- حذف تصادفی، 3- ظرفیت فضایی مستقیم،4- فرایند طراحی با مکعب و 5- شباهت ها و در نارسایی توجه1- مفاهیم تصویر 2- شباهت ها 3- نمادیابی، 4- توالی عدد- حرف و 5- محاسبات به عنوان موثرترین خرده مقیاس ها مشخص شدند(05/0P<). نتیجه گیری: نتایج نشان داد شبکه عصبی روش توانمندی در پیش بینی اختلال نارسایی توجه/ بیش فعالی است و برخی خرده مقیاس های وکسلر در شناسایی نواقص شناختی این افراد از بقیه برتر بوده است.Diagnosis of Attention Deficit / Hyperactivity Disorder with Fourth Wechsler Tool and Integrated Version: Ranking of Effective sub Scale with Artificial Neural Network Analysis
Aim: Attention Deficit / Hyperactivity Disorder is a disorder with cognitive impairment that standardized tests such as Wechsler use to diagnose these defects. Recently, neural network research has received special attention in psychological research. The aim of this study was to rank Wechsler's effective fourth and integrated subscales in predicting this disorder by neural network method. Method: The research sample was the students who referred to Shahriar Counseling Centers and were selected by the sampling method and 162 people were selected by clinical interview based on DSM5 criteria in the academic year of 1996-97. Attention Deficit Hyperactivity, Hyperactivity, and Combination Scores were determined by teachers by completing the Swanson and Neupleham questionnaire, and finally the Wechsler Intelligence Test was performed in the fourth version. The data were analyzed by neural network and MATLAB software. 40 subscales were identified as network inputs with 40, an intermediate layer with 42 neurons, and an output layer as the best network pattern. Finding: In the combined type of subscales 1-complete the picture, 2-Capacity of letter-to-song, 3-Similarities, 4- Options of visual vocabulary, 5-Accidental deletion, In the type of hyperactivity 1- complete the picture, 2-Deletion Random, 3- Direct spatial capacity, 4- Cube design process and 5- Similarities, in the type of failure, attention 1-picture concepts 2-Similarities 3- Symbolism, 4- Number-letter sequence 5- Calculations of the most effective subscales Were(P <0.05). Results: The results showed that neural networking is a method capable of predicting attention deficit / hyperactivity disorder, and some of Wechsler's subscales are superior to others in identifying cognitive impairments.
تبلیغات
