编辑推荐：
为明确伊朗儿童 ASD 与 ID 的精神病理学及独特特征差异，研究人员采用 CBCL 评估 250 名 ASD 和 463 名 ID 儿童的行为情绪特征。发现 ASD 组在退缩、思维和注意力问题得分更高，CBCL 可辅助鉴别，为精准干预提供依据。
自闭症（Autism Spectrum Disorder, ASD）与智力障碍（Intellectual Disability, ID）作为两类常见的神经发育障碍，长期以来因临床表现存在重叠，给临床精准诊断与干预带来挑战。尤其是在伊朗等中东地区，针对这两类疾病的对比研究极为匮乏，导致当地医疗工作者难以准确区分患儿症状背后的疾病类型，进而影响个性化干预方案的制定。此前研究虽指出 ASD 以社交缺陷和重复行为为核心特征，ID 则以智力和适应能力低下为主要表现，但二者在语言发育迟滞、情绪问题等方面的交叉症状，使得仅凭临床观察难以有效鉴别。因此，开展针对伊朗儿童群体的 ASD 与 ID 行为情绪特征对比研究，成为填补区域研究空白、提升诊断准确性的迫切需求。
来自德黑兰医科大学（Tehran University of Medical Sciences）的研究团队，围绕 ASD 与 ID 儿童的行为情绪差异展开了一项横断面研究。该研究成果发表在《BMC Psychiatry》，为理解两种神经发育障碍的临床异质性提供了关键数据支持。
研究人员从 2011 至 2024 年收集的 1850 名发育障碍儿童数据中，筛选出 250 名 ASD 患儿和 463 名 ID 患儿作为研究对象。所有诊断均基于 DSM-Ⅴ 标准，并排除了同时患有两种疾病的个体。研究采用家长版《儿童行为量表》（Child Behavior Checklist, CBCL）评估两组儿童的精神病理特征，通过线性回归模型调整年龄、性别、父母教育水平等混杂因素后，对比分析各子量表得分差异，并进一步评估 CBCL 对 ASD 的诊断价值。
研究结果
1. 人口学特征与共病情况
ASD 组平均年龄为 11.16 岁，男性占比高达 96.4%；ID 组平均年龄 12.67 岁，男性占 46.7%。ASD 组共病注意缺陷多动障碍（ADHD）和言语问题的比例显著高于 ID 组（35.6% vs. 21%，11.6% vs. 5%），且接受抗精神病、抗癫痫药物治疗的比例更高。ID 组则表现出更高的学习障碍家族史（12.7% vs. 6.4%）。
2. CBCL 量表得分差异
未调整模型显示，ASD 组在退缩（59.07 vs. 54.81）、思维问题（68.13 vs. 61.29）、注意力问题（68.84 vs. 62.47）、违纪行为（63.36 vs. 60.26）及总分（66.6 vs. 63.29）上均显著高于 ID 组。经混杂因素调整后，仅退缩（P<0.001）、思维问题（P<0.001）和注意力问题（P<0.001）的组间差异仍具有统计学意义。此外，ASD 组临床水平问题的发生率（62.8%）显著高于 ID 组（49.2%）。
3. 诊断价值评估
基于 CBCL 子量表构建的预测模型显示，调整年龄和性别后，模型整体诊断准确率达 77%，其中对 ID 的识别准确率为 81.2%，对 ASD 为 69.2%。引用文献中 So 等人提出的 10 项量表在本研究中表现最佳，准确率达 79.1%，提示 CBCL 在跨文化背景下对 ASD 与 ID 的鉴别具有一定应用潜力。
研究结论与讨论
本研究首次在伊朗人群中系统对比了 ASD 与 ID 儿童的行为情绪特征，证实 CBCL 可作为鉴别两种疾病的有效工具。研究发现，ASD 患儿的核心行为特征集中于社交退缩、思维异常和注意力缺陷，而 ID 患儿的问题更多体现在学习能力相关的家族遗传背景。这些差异为临床医生提供了关键鉴别指标，有助于减少误诊误治。
值得注意的是，ASD 组较高的 ADHD 共病率（35.6%）与既往研究一致，提示两种疾病可能存在共同的神经生物学机制。同时，研究中 ASD 组女性样本量较少（3.6%），可能影响结果的普适性，需在未来研究中进一步验证。此外，伊朗地区对 ASD 的认知不足及医疗资源分配不均，可能导致本研究中患儿的心理病理问题发生率高于国际平均水平，凸显了加强区域医疗培训与早期干预体系建设的重要性。
总体而言，该研究不仅填补了中东地区 ASD 与 ID 对比研究的空白，更通过 CBCL 的应用为发展中国家提供了低成本、易操作的鉴别工具，为推动基于循证医学的个性化干预策略奠定了基础。未来研究需扩大样本量，纳入女性群体及共病 ASD 与 ID 的个体，进一步验证 CBCL 在不同亚型中的诊断效能，并探索其与神经影像标志物的关联，以提升诊断的精准度。
研究主要技术方法：
研究采用横断面调查设计，从特殊学校招募 6-17 岁儿童，基于 DSM-Ⅴ 标准确诊 ASD 和 ID。通过家长填写 CBCL 量表收集行为情绪数据，提取人口学、家族史、共病情况等信息。统计分析使用 SPSS 26，包括卡方检验、t 检验、线性回归及逻辑回归模型，构建 ROC 曲线评估诊断效能，调整变量包括年龄、性别、父母教育水平、共病及用药情况。
