评估ABCD研究中《儿童行为检查表》的心理测量特性
《Developmental Science》:Assessing the Psychometric Properties of the Child Behaviour Checklist in the ABCD Study
【字体:
大
中
小
】
时间:2026年05月13日
来源:Developmental Science 3.2
编辑推荐:
摘要
儿童行为检查表(CBCL)是发展研究中广泛使用的心理病理学测量工具,也是青少年大脑认知发展(ABCD)研究中的主要测量工具(样本量N=11,861,年龄范围8-11岁)。然而,该工具在此样本中的心理测量特性尚未得到详细评估。使用多方法框架(CFA、B-CFA、FMM、IR
摘要
儿童行为检查表(CBCL)是发展研究中广泛使用的心理病理学测量工具,也是青少年大脑认知发展(ABCD)研究中的主要测量工具(样本量N=11,861,年龄范围8-11岁)。然而,该工具在此样本中的心理测量特性尚未得到详细评估。使用多方法框架(CFA、B-CFA、FMM、IRT、ESEM)的分析表明,CBCL常用的双因子结构并不适合这些数据,而该量表实际上可以更准确地描述为单维度结构。此外,八个子量表中的七个在结构 validity 方面存在不足,不能有效反映任何更高阶模型。所有子量表在测量潜在特质时的精度都较低,且项目层面的探索性方法产生的因子具有较弱的区分度 validity。这些发现提示在使用 CBCL 对该数据集进行维度测量时应谨慎,并强调了需要为大规模人群研究专门开发并验证的维度心理病理学测量工具。
CBCL 是一种广泛用于评估儿童和青少年心理病理的测量工具,但在 ABCD 研究队列中的心理测量特性仍不明确。通过多方法分析,我们发现 CBCL 是单维的,不适用于常见的双因子模型。CBCL 的各个子量表在结构 validity 方面存在不足,并且在潜在特质连续体上的测量精度较差。综上所述,不建议在 ABCD 研究中使用 CBCL 进行发展心理病理的维度测量。
1 引言
精神病研究中的一个主要挑战是可靠且有效地评估心理病理症状(Nikolaidis 等, 2022;Tiego, Martin 等, 2023)。已经开发了大量量表来评估各种症状,每种量表都对心理健康症状的潜在结构做出了假设(Anvari 等, 2025;Fried 2017)。无论是观察者报告、自我报告还是信息提供者报告的量表,都要求测量工具既可靠又有效。如果一个测量工具在不同项目、测量时间和评估者之间的一致性高,并且能够以最小的误差方差量化个体差异,那么它就是可靠的(Xing 和 Zuo 2018)。一个测量工具可以在多个标准下被认为是有效的(Strauss 和 Smith 2009),但在这里我们关注结构 validity,即一组指标(例如项目)是否能够准确反映它们旨在测量的概念(Strauss 和 Smith 2009;Goodwin 1999)。具体来说,我们关注收敛 validity(结构 validity 的一个方面),定义为指标在收敛到同一概念时表现出强一致性和社会变异的程度(Cheung 等, 2024)。在儿童和青少年中评估心理病理存在独特的可靠性和有效性挑战。发展因素显著影响症状的表现,例如,在一个发展阶段被认为是正常的行为(例如学龄前儿童的发脾气)可能在另一个发展阶段表明存在病理(Speranza 等, 2023;Wakschlag 等, 2018)。这些发展复杂性加上测量限制(包括儿童自我报告的不可靠性和多信息提供者对儿童心理病理评估的低一致性率(De Los Reyes 等, 2015)进一步增加了测量的难度。儿童和青少年心理病理最常用的测量工具之一是儿童行为检查表(CBCL)。CBCL 最初是为了评估儿童和青少年的情绪和行为问题而开发的,其主要目的是区分临床推荐和未推荐的青少年,以确保高临床实用性(Edelbrock 和 Achenbach 1980;Achenbach 2009)。因此,该工具在多种文化背景下都显示出高准则 validity(即工具分数与黄金标准结果或临床相关准则的相关程度)(Ivanova 等, 2007)。初步的研究使用探索性因子分析(EFA)表明,113 个核心问题项目可以聚类为八个经验派生的综合征量表:焦虑/抑郁、退缩/抑郁、身体问题、注意力问题、思维问题、违规行为和攻击性行为。其中五个量表又可以归结为两个更高阶因子:内化(包括焦虑/抑郁、退缩/抑郁、身体问题)和外化(包括违规行为和攻击性行为)(Achenbach 2009)。这两个广泛的概念是许多青少年和成人心理病理维度模型的基础,并且通常具有较强的共病性(Kotov 等, 2017;Caspi 等, 2014)。后续研究使用验证性因子分析(CFA)来验证 CBCL 的潜在维度结构(例如,Ivanova 等, 2007;Pandolfi 等, 2012)。与 EFA 不同,CFA 对协方差矩阵有严格限制,要求项目在非目标主要因子上的交叉载荷以及未归入内化和外化两个二阶因子的一阶因子之间的相关性为零(即独立簇模型)(Marsh 等, 2014)。因此,CFA 模型往往无法精确匹配观察数据,并且无法通过模型-数据一致性测试。这些研究通常依赖于任意切点来获得大致的拟合统计量(例如比较拟合指数(CFI)、近似均方根误差(RMSEA)或标准化均方根残差(SRMR)),这些指标只能提供关于模型-数据对应关系的的一般性指导,并不一定反映模型是否适当拟合(Kline 2023)。CBCL 中的外化问题与内化问题以及其他三个综合征量表(注意力问题、思维问题和社会问题)的共病性可以通过不同的 CFA 模型来表示,这些模型都集中在一个共同因子上(Brown 2015)。心理病理在儿科和成人样本中的这种 convergent 性在各种测量中是一致的,并被标记为“p 因子”。有人假设它代表了所有形式精神疾病的一个共同潜在倾向。尽管 p 因子在发展和成人心理病理研究中的应用越来越广泛,但其心理测量上的模糊性、本体论地位和解释一直受到激烈的批评和讨论(Watts 等, 2019, 2024)。最近,发展心理病理学研究者开始将 CBCL 数据拟合到双因子模型中(Sripada 等, 2021;Farahdel 等, 2021;Brislin 等, 2022;Hoffmann 等, 2022),这些模型包括一个一般因子,通常表示为 P 因子,所有项目或项目包(即子量表)的载荷用于解释它们的共同变异,以及正交的(即不相关的)“特定因子”或“群体因子”,这些因子的载荷来自概念上和经验上相关的指标子集,捕捉到与其余变量不共享的残差协方差(例如内化和外化;Reise 2012)。然而,双因子模型存在相当多的概念和实证问题,包括无论潜在协方差结构如何,它们都比竞争模型提供更好的拟合(即高拟合倾向)(Watts 等, 2024;Bornovalova 等, 2020)。此外,双因子模型的模型复杂性较高,具有许多参数,这些参数可能比简单模型提供更好的数据拟合(即参数复杂性)(Bornovalova 等, 2020)。因此,研究者被鼓励依赖其他标准来解释和接受双因子模型,例如实质意义和可解释性(Bonifay 等, 2017)。由于其广泛应用,CBCL 被纳入了青少年大脑认知发展(ABCD)研究作为心理病理的主要测量工具,该研究旨在通过基因检测、神经成像和心理病理评估来追踪来自美国各地的 10,000 多名儿童和青少年的生物学和行为发展(Volkow 等, 2018)。因此,许多研究依赖于 CBCL 的总分或使用近似拟合指数的潜在模型来量化 ABCD 参与者中的心理病理维度变化(Yu 等, 2021;Dash 等, 2023;Beyer 等, 2024;Sripada 等, 2021;Brislin 等, 2022;Farahdel 等, 2021)。在 ABCD 样本中使用 CBCL 存在四个限制。首先,尝试将建议的双因子结构应用于 ABCD 数据集时,根据全局拟合指数显示拟合效果不佳,这些指数量化了观察数据与模型假设的协方差矩阵之间的差异(Farahdel 等, 2021;Brislin 等, 2022),这引发了关于 CBCL 适用于该队列的疑问。其次,CBCL 使用的回应格式有限(0 = 不正确;1 = 有些/有时正确;2 = 非常正确/经常正确),这可能降低其方差,从而减弱与其他变量(例如神经成像、社会人口统计学变量)的相关性(Goodwin 和 Leech 2006)。第三,这种回应格式降低了心理测量精度,因为它限制了测量个体差异的敏感性(Simms 等, 2019)。第四,CBCL 是基于准则设计的,选取的项目能够代表临床显著综合征的存在,并最大限度地区分临床推荐和未推荐的青少年;它并非旨在测量整个群体的连续特质(Achenbach 2009)。这些设计特点可能导致在潜在特质连续体的低严重程度端出现零膨胀分布和信息有限(即可靠性降低),从而进一步削弱了维度测量的效用(Simms 等, 2019;Greven 等, 2016)。在这里,我们通过使用经典测试理论(CTT)和项目反应理论(IRT)的方法(Raykov 和 Marcoulides 2016)对 ABCD 8-11 岁基线样本(N = 11,861)的 CBCL 心理测量特性进行了多步骤、多方法的评估。
2 方法
2.1 参与者
参与者为 11,861 名年龄在 8-11 岁之间的青少年(6,188 名男性;6,485 名白人,1,727 名黑人,2,150 名西班牙裔,1,499 名其他种族/族裔),来自基于美国的 ABCD 研究(版本 5.1)。该研究通过概率抽样在东北部(N = 2,005)、中西部(N = 2,420)、南部(N = 3,356)和西部(N = 4,080)的 21 所学校招募了具有多样人口特征的社区样本(更多细节见 Karcher 和 Barch 2021),其中大多数家庭年收入至少为 50,000 美元(7,629),教育水平为大学或更高(7,228),父母主要是已婚的(7,983)。ABCD 是一项纵向研究,迄今为止的数据收集时间为 9 岁、11 岁和 13 岁。我们的分析仅关注 2016 年 9 月 1 日至 2018 年 11 月 15 日之间基线评估(即 8-11 岁)期间收集的数据。
2.2 数据分析
2.2.1 概述
我们采用多阶段方法来建模 CBCL 的潜在结构,考察了双因子结构和单维度结构,其中八个子量表仅层次地归属于一个总的 P 因子(图 2)。具体来说,我们研究了(1)是否存在一个连贯的一般因子(即总问题量表的连贯性证据);以及(2)在去除所有八个子量表中的共同方差(即归因于 P 因子)后,独立的内化和外化量表是否可行(Rodriguez 等, 2016)。这种方法遵循了在心理病理学研究中使用双因子模型评估量表心理测量特性的通用建议(Bornovalova 等, 2020)。这种方法使我们能够确定内化和外化量表是否对八个子量表和总问题得分有独特的贡献,如 P 因子所代表的。单维度模型是一个更简洁的模型,其中只有一个 P 因子反映了数据的共同方差。首先,我们使用 CFA 对两个模型进行了测试,CFA 是用于具有已建立或假设的潜在结构的心理测量数据潜在建模的最广泛使用方法(Brown 2015)。其次,我们使用更灵活的贝叶斯因子分析方法(B-CFA)对两个模型进行了测试,这种方法可以更好地适应模型上的小错误(Muthén 和 Asparouhov 2012)。第三,为了考虑样本内的潜在子群体可能影响 CBCL 分数的潜在结构,我们使用因子混合模型(FMMs)对每个模型进行了拟合(Clark 等, 2013)。然后,我们首先对每个 CBCL 子量表应用 CFA 来评估(a)假设的单维度结构的结构 validity;以及(b)每个子量表作为 CBCL 因子分析模型中的有效指标的有效性(Bandalos 2002;Marsh 等, 2013)。其次,我们在单维度 IRT 框架内使用分级响应模型(Toland 2014)来评估(a)每个综合征子量表是否可靠地测量了每个结构的完整潜在特质连续体;(b)项目在区分潜在特质不同水平方面的能力是否冗余(Reise 和 Waller 2009);以及(c)我们能否改进每个项目池以改善结构的心理测量特性。最后,我们采用了探索性结构方程模型(ESEMs)(Marsh等人,2014年;Asparouhov和Muthén,2009年)来检验与基于实证推导出的八因素结构(Edelbrock和Achenbach,1980年;Achenbach,2009年)相比,其他因素结构是否能更好地拟合这些样本数据。整个工作流程如图1所示。图1展示了每种分析的方法以及用于评估的指标。对于层次结构,我们通过每个子量的总分来进行检验;而对于子量结构,则在每个子量的项目层面进行检验。所使用的指标包括平均变异提取量(AVE)、贝叶斯信息准则(BIC)、偏差信息准则(DIC)、解释的共同变异量(ECV)、对数似然值(LL)、选项响应函数(ORFs)以及后验预测p值(PPP)。所有模型的估计均使用R语言(版本4.3.3)或Mplus软件(版本8.11)完成(Muthén和Muthén,1998年),并且Mplus的结果汇总是通过MplusAutomation包(Hallquist和Wiley,2018年)实现的。本研究中的分析代码可以在(https://github.com/kanepav0002/CBCL_ABCD)找到。
2.2.2 评估量表的心理测量特性
首先,我们着手评估CBCL的层次结构。为此,我们采用了三种不同的方法(CFA、B-CFA和FFM),具体细节如下。
2.2.2.1 验证性因子分析(Confirmatory Factor Analysis)
CFA是一个强有力的工具,用于检验预先指定的因素结构是否能够充分解释观测数据中的模式(Kline,2014年)。我们使用了CFA来评估CBCL中常用的双因素结构以及一个更简单的单因素结构。所有的CFA分析都是在R语言(版本4.3.3)中,利用lavaan包(版本0.6-17;Rosseel,2012年)完成的。模型拟合质量的评估基于全局和局部拟合指数。具体而言,模型拟合首先通过卡方(χ2)检验统计量来量化,其中p<0.05表示拟合不佳(Kline,2014年)。然而,由于在非常大的样本中,χ2检验统计量可能过于敏感,无法识别出微小且可以忽略的模型错误(Kline,2023年),所以我们还通过相关残差矩阵来评估局部拟合情况,该矩阵反映了模型对变量间双变量关系的再现能力。相关残差小于0.10表示拟合良好(Kline,2023年;Goodboy和Kline,2017年)。模型比较还可以通过近似拟合指数来进行:均方根误差(RMSEA)及其90%置信区间、比较拟合指数(CFI)和标准化均方根残差(SRMR),RMSEA和SRMR的值越小,CFI的值越大,表示模型拟合得越好(Kline,2023年)。此外,潜在变量需要具有至少0.5的平均变异提取量(AVE),即解释了指标中50%的方差,以确认模型解释了足够的方差,从而证明其保留的合理性(Cheung等人,2024年;Fornell和Larcker,1981年)。模型的可靠性是通过从模型中得到的欧米伽系数(omega coefficients)来评估的(Flora,2020年)。使用欧米伽层次系数(ωH)来估计总分数中可归因于P因素的方差比例,从而衡量在考虑特定因素后总分数的可靠性;欧米伽层次子量表系数(ωHS)用来估计子量表分数中可唯一归因于其对应特定因素的方差比例,反映了在去除一般因素方差后子量表分数的可靠性,其中ωHS>0.60表示可靠性可接受(Reise,2012年;Rodriguez等人,2016年)。有关评估的模型拟合指数和所使用估计量的更多信息,请参阅补充方法1.1。
2.2.2.2 贝叶斯验证性因子分析(Bayesian Confirmatory Factor Analysis)
CFA依赖于严格的标准来验证潜在的因素结构,假设这些因素是独立的,并且项目只加载到一个因素上,同时假设指标在加载到各自因素后也是局部独立的(Marsh等人,2014年)。然而,在许多情况下,由于方差在情境和概念上的重叠,误差协方差在概念上和实证上都是合理的(Brown,2015年)。忽略真实的误差协方差可能会导致模型参数失真和不可靠(Kline,2023年)。B-CFA提供了更大的灵活性来容纳微小的模型参数,并依赖于比频率主义CFA中使用的拟合度量更不敏感的指标(Muthén和Asparouhov,2012年)。所有的B-CFA都是在Mplus软件中使用马尔可夫链蒙特卡洛(MCMC)估计方法进行的, 默认的采样器为PX1。模型执行了至少10万次到最多100万次的迭代,并使用潜在尺度缩减(PSR)准则(设置为0.05,相当于PSR<1.1,这是Mplus的默认设置)来评估收敛性。竞争模型是通过不同的先验均值阈值(0.7、0.5、0.3)以及一系列方差(1、0.5、0.1)和正态先验分布来评估的。每种先验均值和方差的组合进一步使用一系列残差协方差先验(0.7、0.5、0.3、0)和不适当的逆Wishart先验分布进行测试(Muthén和Asparouhov,2012年)。模型选择基于多个拟合指数,包括后验预测p值(PPP)、贝叶斯信息准则(BIC)和偏差信息准则(DIC),后者是BIC的一种泛化形式,它根据参数的有效数量(????)来惩罚模型复杂性(Spiegelhalter等人,2002年;Asparouhov等人,2015年)。PPP值接近0.5表示拟合优秀,被优先考虑(Muthén和Asparouhov,2012年),而较低的BIC值表示模型拟合更好(Asparouhov等人,2015年)。DIC有助于模型比较,其中较低的数值表示更优的模型(Liu等人,2022年)。然后通过检查AVE以及残差协方差的大小和模式来评估最佳拟合模型的实用性。较小的残差协方差(<0.3;Muthén和Asparouhov,2012年)表明模型拟合良好,而较大的残差协方差则表明拟合不佳或可能存在未建模的因素(Stromeyer等人,2015年)。
2.2.2.3 因子混合模型(Factor Mixture Models)
样本可能反映了同质子样本的异质混合(即亚型),这些亚型可能与已知特征(如性别、种族、年龄)或潜在亚组直接相关(Nylund-Gibson和Choi,2018年)。传统的以变量为中心的因子分析方法通常难以处理大型、异质的数据集,因为它们假设整个样本具有单一的、统一的因子结构。这种假设可能会掩盖有意义的亚组差异——例如不同性别、文化群体或临床亚型之间的响应模式差异——从而导致有偏或无法解释的因子解(Lubke和Muthén,2005年),这对于ABCDF样本的研究是一个主要考虑因素,因为该样本是专门为从多样化的社会人口统计和文化背景中抽选个体而设计的(Karcher和Barch,2021年)。遵循最佳实践指南(Lubke和Muthén,2005年),我们首先对全部数据进行了潜在类别分析(LCA),以确定后续因子混合模型(FMM)的潜在类别上限。为了确定最优类别数量,我们使用了几个标准来评估模型拟合:(1)Lo-Mendell-Rubin(LMR)统计量,用于评估k类模型是否比(k-1)类模型提供显著更好的拟合;(2)类别分类的熵(E),其中值高于0.80表示类别分离明显(Celeux和Soromenho,1996年);(3)贝叶斯信息准则(BIC)用于评估整体拟合和模型简洁性(Weller等人,2020年);以及(4)类别最小数量阈值,即样本的1%(Jung和Wickrama,2008年),表示最小的潜在类别占整个样本的1%以上,并且更有可能被复制。最终确定的类别上限基于显著的LMR检验、较高的E值(≥0.8)以及相对于其他模型的最低BIC值。使用该上限对四种不同类型的FMM进行了拟合,包括双因素和单因素模型,类别数量从1到??(详见补充方法1.2)。此外,每个FMM还与其零膨胀变体(ZI-FMM)一起进行了评估,在该变体中,第一个潜在类别的载荷和均值被限制为零。模型在Mplus中估计,初始有20,000个起始值,优化阶段有2,000个起始值。模型选择标准包括最低的BIC值、最接近零的对数似然值(LL)以及最接近1的E值。所选模型还进一步通过理论合理的因子载荷和类别间的AVE来评估,以确保其对数据的充分拟合。
2.2.3 评估子量表的心理测量特性
除了检验CBCL中假设的子量表结构的层次组织外,我们还使用了三种方法(CFA、IRT和ESEM)来评估八个CBCL子量表的项目级别特性:(1)CFA用于测试每个假设子量表的构念有效性及其作为CBCL因子分析项目包/因素指标的适用性;(2)IRT用于评估每个子量表在潜在特质连续体上的可靠性,并评估项目的冗余性;(3)ESEM用于检验其他因素结构是否比CFA中拟合的模型更好地代表这些子量表中使用的项目。
2.2.3.1 验证性因子分析(Confirmatory Factor Analysis)
对于每个子量表,我们分别进行了CFA分析,以评估其假设的单因素结构是否满足构念有效性的标准(Kline,2023年)。每个CFA都是使用加权最小二乘均值和方差调整估计量(WLMSV)来计算的,这是序数数据的最佳估计量(Li,2016年)。模型拟合质量的评估使用了与双因素和单因素CFA相同的标准和指标(见第2.2.1节)。
2.2.3.2 单因素IRT分级响应模型(Unidimensional IRT Graded Response Models)
IRT是一种强大的方法,用于检查项目在捕捉其设计旨在测量的潜在特质方面的表现(Toland,2014年)。它可以用来评估单个项目在这项任务中的表现,并评估该测量工具捕捉潜在特质全谱的能力(Thomas,2019年)。这种方法根据每个项目与其所测量的特质的关系来评估其属性,允许研究人员通过保留最能准确测量潜在特质连续体的项目来迭代优化量表(Toland,2014年;Reise和Waller,2009年)。我们对每个子量表进行了IRT模型拟合,通过检查它们的总信息曲线(TIF)来评估它们在潜在特质连续体上的可靠性(Toland,2014年)。可以从总信息中计算出潜在特质上任何点的边际可靠性或可靠性指标(rxx),并总结每个IRT模型中的精度范围(Toland,2014年;de Ayala,2009年)。接下来,我们分析了从IRT模型中得出的选项响应函数(ORFs),并考虑了两个参数:斜率参数α,以逻辑单元表示,较高的值表示项目在潜在特质的不同水平之间具有更强的区分能力;以及阈值参数β,以标准化单位表示(即M=0,SD=1),它对应于潜在特质上支持响应类别的概率为0.5的位置(Baker,2001年;Reise等人,2005年;Toland,2014年)。分级响应模型(GRMs)适用于具有两个以上响应选项的项目,使用R语言中的mirt包(版本1.42;Chalmers,2012年)对每个子量表进行了拟合。由于零膨胀数据可能导致IRT模型出现非正态分布,因此还对每个子量表拟合了零膨胀GRMs(ZI-GRMs)(Wall等人,2015年)。此外,还使用Mplus对每个子量表进行了LCA分析,最优类别的确定使用了与第3.2.3节相同的标准。然后从数据中手动移除了最优类别中的零膨胀类别,并重新估计了GRMs。一旦GRMs拟合完成,如果项目显示出较低的区分能力(即斜率参数α<1.0)以及与其他项目的高重叠,或者违反了功能形式假设(???χ2 p<0.01),则迭代移除了这些项目(Toland,2014年;Chen和Thissen,1997年;Reise和Waller,2009年)。ORFs表示在潜在特质连续体上支持每个响应选项的概率,理想的选项具有有序且不重叠的曲线,表现出强烈的区分能力(De Ayala,2009年)。功能形式假设评估实证响应曲线是否与广义反应模型(GRM)所给出的预期函数一致,违反这一假设表明项目模型不匹配(Toland 2014;De Ayala 2009)。在每次迭代中,拟合最差的项目被移除,然后重新运行GRM。一旦项目被剪枝到不再违反上述标准,就会重新检查TIFs,以确定项目移除是否对潜在特质连续体上的可靠性产生了实质性变化。然后会对精简后的子量表重新进行CFA,以确定修订后的量表是否通过适当的全局拟合测试和局部拟合指标以及AVE满足构念效度的标准。
2.2.3.3 探索性结构方程模型
为了评估不同的潜在结构是否更适合数据,我们在Mplus中进行了探索性结构方程建模(ESEM)和双因子ESEM(B-ESEM)(Asparouhov和Muthén 2009;van Zyl和ten Klooster 2022)。ESEM是EFA和CFA的混合体,可以指定因子数量并生成拟合统计量,但允许项目间的交叉载荷(Marsh等人2014)。对于ESEM,我们使用geomin旋转测试了1到10个因子的解决方案;对于B-ESEM,我们应用了具有正交因子的双geomin旋转。为了确保收敛,我们将1到5个因子的解决方案的最小迭代次数设置为10,000次,5到10个因子的解决方案设置为50,000次,收敛标准为0.001。模型拟合的评估使用与CFA中相同的指标(见第3.2.1节)。与传统双因子CFA不同,双因子ESEM不允许计算未受污染的相关性百分比——这一指标用于评估一般因子是否独立于组因子支配方差(即,没有来自一般因子和组因子之间的交叉载荷的显著混淆影响;Rodriguez等人2016a, 2016b),因此如果一般因子解释了超过50%的共享方差,则选择双因子解决方案,如omega层次统计量(ωH > 0.6)所量化的。
3 结果
3.1 层次结构
3.1.1 验证性因素分析
我们对CBCL的双因子和单维结构进行了CFA(图2)。双因子模型未能通过精确拟合测试(χ2 (16) = 1041.73,p < 0.001,CFI = 0.976,SRMR = 0.024,RMSEA(95% CI)= 0.074(0.07–0.077))。然而,所有28个相关残差均低于±0.1的阈值(表S1),表明模型充分再现了变量之间的双变量关系。然而,内化、外化和一般P因子的AVE分别为0.129、0.171和0.482,表明每个潜在因子未能解释足够的方差以证明其保留的合理性。此外,相应量表的可靠性(ωH和ωHS)分别为0.857、0.028和0.0195。解释的共同方差(0.841)和未受污染的相关性百分比(85.7%)表明可以忽略多维性,而选择单维量表(即总问题量表)(Rodriguez等人2016)。图2显示了CBCL层次结构的CFA。标准化估计值以粗体显示,标准误差用括号表示。潜在变量表示为圆圈,观测变量用方块表示。观测变量之间的误差方差显示在表S1和S2中。(A)具有双因子结构的CFA(χ2 (16) = 1041.73,p < 0.001,CFI = 0.976,SRMR = 0.024,RMSEA(95% CI)= 0.074(0.07,0.077)。(B)具有单维因子结构的CFA(χ2 (20) = 3063.66,p < 0.001,CFI = 0.930,SRMR = 0.041,RMSEA(95% CI)= 0.113(0.11,0.117))。根据近似拟合指数,单维模型的全局拟合效果较差(χ2 (20) = 3063.662,p < 0.001,CFI = 0.930,SRMR = 0.041,RMSEA(95% CI)= 0.113(0.11–0.117))。然而,只有3/28个相关残差落在±0.1的阈值之外(表S2)。这些结果表明,模型在再现观测到的方差-协方差矩阵方面只显示出微小的差异。此外,所得到的P因子的AVE接近阈值0.495。这些结果与上述双因子模型的结果一致,表明单维层次CBCL评分结构很好地代表了数据。此外,通过允许焦虑抑郁问题与社会问题(Θδ = 0.112)以及违反规则和攻击性问题(Θδ = 0.117)之间的小误差协方差自由估计(与理论一致,并在多重事后比较后统计上显著(Benjamini和Hochberg 1995)),得到了一个拟合良好的单维模型(χ2 (18) = 1790.167,p < 0.001,CFI = 0.959,SRMR = 0.033,RMSEA(95% CI)= 0.091(0.088–0.095)),没有相关残差超出±0.1的阈值,并且P因子的AVE足够高,为0.503。我们还在项目层面对单维和双因子CFA进行了测试,其中子量表是从各自的项目指定的,而更高阶的内化、外化和一般P因子是从潜在子量表因素指定的。单维CFA显示出较差的全局拟合(χ2 (5347) = 87,939.49,p < 0.001,CFI = 0.964,SRMR = 0.132,RMSEA(95% CI)= 0.036(0.036–0.036),P因子的AVE为0.71,并且有许多残差相关性超出±0.1的阈值(986/5460),表明模型未能再现观测到的协方差矩阵。双因子CFA也显示出较差的全局拟合(χ2 (5343) = 78,061.57,p < 0.001,CFI = 0.968,SRMR = 0.129,RMSEA(95% CI)= 0.034(0.034–0.034),P因子、内化和外化因子的AVE分别为0.68、0.17和0.31,并且有许多残差相关性(822/5460)。两个模型的标准化载荷和残差相关性可以在(https://github.com/kanepav0002/CBCL_ABCD/tree/main/item_level_CFA_results)找到。
总的来说,这些结果表明,子量表在一个共同维度(p因子)上收敛,该维度在双因子或共同因子模型中解释了它们45%到70%的方差。然而,总问题得分中的85.7%的可靠方差可以归因于这个一般因子。此外,一旦将归属于这个一般因子的方差分配出去,内化和外化量表几乎没有可靠方差,这表明它们没有构念效度。
3.1.2 贝叶斯验证性因素分析
接下来,我们使用B-CFA来确定在比经典CFA更宽松的约束和假设下,双因子或单维模型是否可以适配数据。为了评估先验分布对模型拟合的影响,我们使用大、中和小方差及误差先验的组合测试了不同的模型(见表S4和S5)(Tiego, Martin等人2023)。对于双因子模型,没有任何先验组合产生正的????,表明模型设定与观测到的数据结构不兼容(Spiegelhalter等人2002)。对于单维模型,先验组合N(0.5,0.1)和IW(0.3,14)产生了正的????,最低的DIC,以及最接近0.5的PPP值。然而,这个解决方案没有显示出显著的因素载荷。因此,我们选择了下一个最佳拟合模型,即N(0.7,0.1)和IW(0.7,14)。这个模型(图3)识别出一个解释了低比例方差的一般因子(AVE = 0.17)并表现出高残差协方差(表S6),这表明观测到的方差-协方差矩阵与相应模型估计的矩阵之间存在不匹配(Stromeyer等人2015)。该模型中所有参数的轨迹图可以在:https://github.com/kanepav0002/CBCL_ABCD/blob/main/traceplots.pdf找到。
3.1.3 因子混合模型
为了检查ABCD样本中是否存在异质混合或亚群体,并可能影响CBCL模型的拟合,我们对对数转换后的总和量表分数进行了FMM分析。首先,分别对具有1-10类的解决方案进行了LCA拟合。由于LMR显著、BIC大幅降低、熵(E)较高且最小类大小合理,选择了7类解决方案作为最佳拟合模型(表S7)。然后对单维和双因子模型分别进行了1-7类的FMM分析(表S8和S9)。对于双因子模型,7类FMM-1显示出最低的BIC和LL,同时具有较高的最小类大小(BIC = 158438.1,LL = ?78989.24,E = 0.899,最小类 = 590/11,862;4.97%)。然而,这个模型显示出P因子的负均值方差,表明它提供了一个不适当的解决方案。此外,51.6%的因子载荷在类间统计上不显著且为负,这在CBCL的背景下是不符合逻辑的。因此,我们考虑了下一个最佳拟合模型(3类零膨胀FMM-3;BIC = 163157.3,LL = ?81344.12,E = 0.865,最小类n = 1083;9.12%)。这个模型显示出内化因子的负残差方差,表明它也是一个不适当的解决方案。对于单维模型,5类FMM3显示出最佳拟合(BIC = 142065.2,LL = ?7032.41,E = 1,最小类n = 632;5.33%)。然而,这个解决方案在类间的AVE较低(AVE范围为0.303到0.379)。这些发现表明FMM无法识别出适当的数据模型,这表明在ABCD CBCL数据中不存在明确的亚群体。
3.2 子量表的心理测量属性
3.2.1 验证性因素分析
我们进一步通过评估每个子量表的单维结构来调查CBCL的心理测量属性,以确定单个子量表是否表现出构念效度的证据。没有子量表显示出足够的全局拟合,只有退缩/抑郁子量表显示出足够低且理论上合理的相关性残差,以及足够高的AVE(>0.5),从而证明其保留的合理性(表1)。这些发现表明,除了退缩/抑郁子量表外,CBCL子量表的假定结构在这个样本中并未得到实证支持。表1显示了CBCL每个子量表的拟合统计量。
3.2.2 项目反应理论
尽管没有子量表满足单维性和局部依赖性的标准(如我们的CFA中显示的显著χ2所示),但所有子量表都通过检查它们的 scree 图满足了基本单维性的要求,表明单一共同因子解释了大多数项目协方差,从而满足单维IRT的要求(Reise和Waller 2009)(补充方法2.1;图S3)。我们拟合了GRMs,并评估了每个子量表在整个潜在连续体上测量其目标特质的能力。TIF的检验表明,在潜在特质的较高水平(均值以上1.5–3个标准差)测量的可靠性良好(rxx = 0.856–0.955),但在较低水平上可靠性较差,而rxx > 0.7是研究使用推荐的最低可靠性截止值(Nunnally 1978)。例如,在均值以下约1个标准差处,可靠性降至0.01(图5A;表S11;图S4)。这些结果表明,子量表项目有效地测量了每个潜在特质的较高端,但在整个严重性范围内未能提供可靠的维度测量。ORF的分析显示出项目之间的大量重叠,表明存在明显的实证冗余。对于所有项目,各个反应类别的斜率参数有很强的重叠,这表明连续的反应选项(即0 = 不正确;1 = 有时正确;2 = 非常正确或经常正确)未能在潜在 trait 的不同水平之间进行有意义的区分。例如,在焦虑抑郁子量表上(均值以上0-3个标准差范围内),各个反应类别提供的信息几乎相同,这表明在这个严重程度范围内缺乏区分能力(图4A;图S6:9)。图4在图查看器中打开
焦虑抑郁子量表中每个项目的选项反应函数。(A) 全样本上的GRM。(B) 在全样本上运行的零膨胀GRM。ZI标签表示零膨胀成分,而NZ表示非膨胀成分。(C) 在手动移除零膨胀成分后的子样本上的GRM。(D) 在基于低区分度(斜率参数值小)、与其他项目高度重叠和/或违反函数形式假设后移除项目的子样本上的GRM。潜在 trait(θ)的水平(β)以标准化单位绘制在x轴上,而支持潜在 trait 的概率显示在y轴上。有关每个子量表的图表,请参见图S6–S21。为了解决这些结果可能是由于某些量表中的零膨胀分布导致的偏差,我们对每个子量表拟合了零膨胀GRM(ZI-GRM)(图4B;图S10:13),但这种分析得出了相似的结果。进一步检查显示,这些模型低估了数据和中存在的零膨胀类的大小。为了正确考虑数据中的零膨胀,我们对子量表进行了LCA(表S10)并手动移除了零膨胀成分。然后我们重新运行了每个非零膨胀子集上的GRM(即移除了得分非常低的参与者的数据子集)(图4C;图S14:17),并如果项目显示出低区分度(即潜在 trait 水平之间的区分能力弱)、与其他项目高度重叠和/或违反函数形式假设(例如,偏离预期的GRM曲线),则移除了这些项目(图4D;图S18:21)。一旦保留的项目不再符合任何预定义的排除标准,就在移除了零膨胀群体的减少项目集上重新估计了TIFs。这些子集在潜在 trait 的较低端显示了较高的可靠性估计值(从均值以下三个标准差的0.049到0.213),但在潜在 trait 的较高端显示出较低的可靠性估计值(即在均值以上三个标准差的0.482–0.846)(图5B;图S5)。调整后的思想与躯体抱怨子量表在潜在 trait 连续体的任何点上都未达到可接受的可靠性标准(图5B;表S12)。图5在图查看器中打开
潜在 trait(θ)连续体上的可靠性(rxx):(A) 每个包含所有项目的完整子量表,以及总问题量表(所有项目)。(B) 由于项目间重复性和违反函数形式而移除项目后的每个子量表。我们还在非零膨胀样本内的减少项目集上进行了CFA(表2),以评估是否可以在具有某些潜在 trait 非零表达的参与者子样本中满足构念效度的要求。这项分析显示,减少后的思想问题与躯体抱怨子量表显示出可接受的整体拟合度。许多其他量表显示出较少的残差相关性,表明局部拟合度可以接受(退缩/抑郁、社交问题和注意力问题)。然而,所有子量表都显示出较低的AVE,表明它们没有提取出足够的方差来形成连贯的因子,这使得它们不适合进一步分析。表2. 在项目剪裁和移除零膨胀成分后,CBCL每个单独子量的拟合统计量。X2
p
df
RMSEA (95% CI)
CFI
SRMR
残差相关性 ±0.1
保留的受试者
保留的项目
AVE
焦虑抑郁
352.579
<0.001
27
0.051 (0.047,0.056)
0.929
0.061
6/36
4591
9/13
0.252
退缩抑郁
130.752
<0.001
5
0.096 (0.082,0.111)
0.887
0.078
3/10
2731
5/8
0.27
社交问题
52.849
<0.001
5
0.052 (0.04,0.065)
0.985
0.05
1/10
3598
5/11
0.375
躯体抱怨
7.833
0.163
5
0.012 (0,0.028)
0.990
0.024
0/10
3869
5/11
0.188
思想问题
21.821
0.009
9
0.021 (0.01,0.033)
0.963
0.059
3/15
3110
6/15
0.201
注意力问题
148.596
<0.001
14
0.036 (0.031,0.042)
0.983
0.037
1/21
7335
7/13
0.311
规则违反
147.881
<0.001
35
0.033 (0.028, 0.039)
0.921
0.082
14/45
2925
10/18
0.294
攻击性行为
230.074
<0.001
27
0.035 (0.031, 0.039)
0.986
0.049
3/36
6073
9/18
0.433
注:χ2 = 卡方统计量;df = 自由度;RMSEA = 近似均方根误差;95% CI = 95%置信区间;CFI = 比较拟合指数;SRMR = 标准化均方根残差;AVE = 提取的平均方差。
3.2.3 探索性结构方程建模
接下来,我们应用了ESEM和B-ESEM来评估是否有更好的因子结构。对于这两种方法,我们测试了从1到10个因子的解决方案。标准ESEM分析成功收敛(即,在没有计算错误的情况下达到了稳定的参数估计)对于1-8个因子的解决方案,而B-ESEM为1-6个因子加上一个一般因子产生了稳定的解决方案(表S13和S14)。超过这些因子数量的解决方案未能收敛(没有达到稳定的估计)或导致了分割错误。在B-ESEM中,没有一个解决方案的ωH超过0.44,表明一般因子没有解释足够的共享方差来证明其保留的合理性(Rodriguez等人,2016年)。对于ESEM解决方案,包含2-6个因子的模型表现出显著的交叉载荷,表明区分效度差(Marsh等人,2014年)。此外,包含2到8个因子的解决方案中至少有一个因子的整体载荷较低,这表明这些因子较弱或不稳定(Morin等人,2016年)(图S22和S23)。
4 讨论
我们对ABCD队列中CBCL的一些心理测量属性进行了多方面的评估,得出了五个关键发现:(1) CBCL的层次结构收敛于单维性;(2) 大多数子量表的构念效度不足;(3) 所有子量表在潜在 trait 范围的均值以下都显示出较差的测量精度;(4) 基于IRT的项目精炼未能为任何子量表建立足够的构念效度;(5) ESEM未能识别出稳健的替代因子结构。我们的结果表明,继续使用CBCL子量表分数和内化与外化综合分数进行维度测量可能无法产生可靠的结果,应谨慎解释。
4.1 CBCL的层次结构
我们的初步分析评估了CBCL的双因素结构建模方法(通常在ABCD研究中应用,如Sripada等人(2021年;Farahdel等人(2021年;Brislin等人(2022年)))是否充分代表了ABCD样本中的数据。CFA和双因素统计的结果表明,8个子综合征量表在很大程度上收敛于一个单维模型,CBCL总问题量表中86%的可靠方差可归因于P因子。同样,一旦移除了所有八个综合征量表共有的方差,内化与外化综合量表的可靠性分别为0.028和0.019。从一个单维模型中也获得了P因子稳健性的证据,但这未能很好地拟合数据。更灵活的B-CFA未能识别出更合适的模型拟合。重要的是,FMMs未能识别样本中存在的任何同质亚型,这些亚型可能更好地解释CBCL的层次模型拟合。这些结果不应被解释为提供了CBCL总问题综合量表分数在ABD基线数据中有效性和实用性的证据,原因有三个。首先,CBCL子量表作为因子分析模型中更高阶P因子的指标在很大程度上是无效的,可能会导致参数估计失真(Marsh等人,2013年)。其次,即使将CBCL作为单个项目进行建模,我们也发现CBCL未能作为一个连贯的一般因子聚集大部分项目方差。第三,即使在项目层面结合,CBCL总问题分数在ABD研究数据的潜在 trait 均值以下也显示出较差的可靠性(Tiego, Martin等人,2023年)。许多分析ABCD数据集的研究使用更高阶的CBCL结构来评估内化、外化和一般心理病理学(Yu等人,2021年;Dash等人,2023年;Beyer等人,2024年;Sripada等人,2021年;Farahdel等人,2021年;Brislin等人,2022年)。这些构念要么通过汇总子量表得分来测量,而没有首先证明构念效度(例如,通过在CFA中使用全局或局部拟合测试),要么通过评估因子模型的拟合度(例如,RMSEA、CFI、SRMR)来测量,而这些指标已知不足以区分适当的和较差的模型拟合(Kline,2023年)。我们的分析展示了依赖近似拟合指标的后果:即使根据广泛应用的近似拟合指标的临界值(Hu和Bentler,1995年),CFA模型也可能产生不令人满意的解决方案,在这些解决方案中,内化与外化因子仅解释了10%-20%的指示方差,这远低于定义连贯和可解释的潜在构念的公认标准(Fornell和Larcker,1981年),以及不到3%的可靠量表方差。因此,这个样本中得到的内化与外化因子很可能反映了总问题中大量共同方差与一些测量误差的结合,而不是具有意义的潜在病理学方差。在我们的方法中,我们使用了全局和局部拟合测试以及AVE阈值来确定模型拟合度,而不是依赖于常用的近似拟合指标,这些指标在CFA中不足以确定模型与数据的一致性(Kline,2023年)。使用这些指标,我们展示了即使双因素模型通过了局部拟合测试,内化与外化因子的低ωHS和AVE也表明了不显著的构念的存在。在所有评估的模型中,单维P因子CFA显示出最接近合适拟合的解决方案。这个解决方案显示出少量的局部不匹配(只有3/28个显著的残差相关性,小于θδ = 0.2)和AVE为0.495。这略低于传统的0.5阈值,有些人认为这个阈值过于严格(Cheung等人,2024年)。因此,AVE = 0.5阈值应该被视为一个“经验法则”,而不是一个确定的统计标准。此外,允许两个理论上和经验上一致的残差相关联导致方差-协方差矩阵的重现,AVE为0.503,且没有超过0.10的相关性残差。因此,这个模型被认为是数据的可接受表示。这种接受与CBCL的原始概念框架形成鲜明对比,在该框架中,内化与外化被视为儿童心理病理学的核心维度。此外,该模型的实用性完全取决于假设子量表指标可靠地测量了它们各自的构念。我们对CBCL子量表结构的分析清楚地表明,在ABD样本中情况并非如此。一个可能的解释是由于这个社区样本的症状认可水平较低(即零膨胀)。在零膨胀数据中,项目反应的受限变异性大大减弱了用于估计潜在因子的协方差矩阵,有效地将有意义的方差压缩为零(Christensen等人,2022年)。在这些条件下,模型可能无法恢复与内化与外化领域相关的基本方差,尽管它们在概念上相关。
4.2 CBCL子量表的心理测量属性
我们的第二分析阶段评估了所有八个CBCL子量表的心理测量属性。为了使子量表成为其目标潜在构念的可靠和有效的测量工具,并作为因子分析建模的有效指标,它们应满足收敛效度的标准;此外,它们应在整个潜在 trait 连续体上提供可靠的测量(Reise和Waller,2009年)。我们的CFA显示,只有退缩/抑郁子量表在这个样本中表现出足够的收敛效度。IRT分析进一步确定了两个关键限制:(1) 所有子量表在潜在 trait 连续体的均值以下显示出较差的可靠性;(2) 所有子量表的项目在区分潜在 trait 的不同水平方面的能力有限。需要注意的是,即使在潜在特质连续体的某些点之后测量精度较低的情况下,量表/子量表在CTT(Confirmatory Factor Analysis,验证性因子分析)框架内仍可以表现出较高的内部一致性可靠性(即Cronbach's α值)(Rodriguez等人,2016年)。以CBCL(Child Behavior Checklist,儿童行为检查表)的“退缩/抑郁”子量表为例,有56%的人得分在潜在特质均值或以下。我们的分析表明,这些参与者的得分可靠性低于0.533(而0.7表示可接受的可靠性)(de Ayala,2009年),这意味着这些个体的得分在很大程度上反映了测量误差,而不是对目标构念的准确测量。即使在潜在特质连续体的较高端,所有子量的表的可靠性都是可以接受的,但我们的分析仍然指出,大多数项目无法区分潜在特质的不同水平,也就是说,每个子量表在区分具有不同特质严重程度的人(例如,具有中度与重度潜在特质的人)方面的能力有限。通过对非零膨胀子样本中的项目进行剔除来优化这些子量表确实提高了区分度,但在潜在特质连续体的较轻端,低可靠性仍然是一个问题,并且优化后的子量表未能达到我们通过二次CFA(Convergent Factor Analyses,收敛性因子分析) highlighted的标准。考虑到CBCL的原始设计是基于标准关键法(criterion-keying)的,即选择项目是为了识别需要进一步评估的有临床意义的情感和行为问题的儿童和青少年(Edelbrock和Achenbach,1980年;Achenbach,2009年),因此这一点并不令人惊讶。它的主要功能是区分被转介和未被转介的青少年,而不是评估潜在特质的连续变化。我们在分析中观察到的项目水平ORFs(Item Level Factor载荷s)支持这种在临床阈值附近的强区分能力。然而,这导致了潜在特质连续体整体精度的降低,以及在症状严重程度较低端区分能力有限。因此,我们的研究结果表明,研究人员在将CBCL用于大规模群体研究中的心理病理学维度测量时应该谨慎考虑。
4.3 替代因子结构
我们使用了ESEM(EigenvalueSkeletonization Method,特征值骨架化方法)来探究其他因子结构是否能够更好地代表这个样本中的项目集。所有ESEM解决方案都表现出问题特征,包括过度的交叉载荷和初级载荷较低(<0.40)的弱定义因子,这反映了较差的区分效度和不稳定的维度结构。这些结果表明,在ABCD样本中,CBCL项目未能聚合成心理测量学上不同的维度。之前的研究也试图为ABCD数据中的CBCL找到替代因子结构。Michelini等人(2019年)应用了bass-ackwards建模(Forbes,2024年),这是一种类似于EFA(Exploratory Factor Analysis,探索性因子分析)的探索性数据驱动的维度降维技术,并提出了一个六因子结构(内化、外化、疏离、躯体形式化、神经发育和一个通用P因子),尽管随后的验证显示全局拟合度较差,且依赖于近似拟合指数(Stewart等人,2024年),这不足以建立可信的模型(Kline,2023年)。此外,这项研究使用了一个减少的项目集,这削弱了CBCL既定的内容效度。这些项目是经过精心挑选的,以便全面覆盖问题领域(Achenbach,2009年)。在ABCD样本中的其他探索性因子分析产生了不同的替代结构(Vedechkina等人,2024年;Clark等人,2021年),但对所识别结构的后续CFAs(Convergent Factor Analyses)都依赖于近似拟合指数来证明其合理性。尽管在这种样本中使用探索性方法可能有助于找到ABCD数据中的心理病理学潜在结构,但使用此类方法可能会导致具有有限普遍性的样本特定解决方案(Swami等人,2023年)。因此,对于ABCD数据中的任何此类探索性模型,都必须彻底评估其构念效度和潜在特质可靠性,以确保它们能够支持关于心理病理学的可靠和有效的推断,并在脑-行为关联研究中产生无偏见和可重复的效果量(Tiego、Martin等人,2023年)。
4.4 局限性
当前研究没有考虑的一种方法是将CBCL与其他测量工具结合使用,以增强对心理病理学的评估。例如,Jacobs等人(2024年)成功地将多个儿童和成人报告的测量工具(包括CBCL)结合在ABCD数据集中,推断出高级别的心理病理学因子结构。这种方法可以通过补充其表型深度来提高CBCL在这个样本中的心理测量学效度和可靠性。Tiego、Martin等人(2023年)还展示了将CBCL的注意力问题量表与早期青少年气质问卷中的努力控制项目结合起来,可以提高潜在特质连续体上的可靠性。进一步的工作应该探索结合CBCL各领域的子量表是否可以提高其在这个样本中的可靠性,从而提高其有效性。在这项分析中,我们使用了AVE(Average Virtual Factor载荷s,平均虚拟因子载荷s)、收敛效度测试和局部拟合指标来评估高级CBCL构念的构念有效性,以及ORFs(Item Level Factor载荷s)和TIFs(Total Item Factor载荷s)来评估每个CBCL子量表的可靠性。需要注意的是,这只是评估心理测量学研究中有效性和可靠性的一种方法。其他常用的方法包括多特质多方法分析(Campbell和Fiske,1959年),或测量不变性测试来检查不同群体和时间下的构念稳定性(Sterner等人,2025年)。本研究中选择的指标是为了能够从一组信息提供者那里对CBCL的心理测量学属性进行严格和保守的评估,并且符合当前心理测量学评估的最佳实践(Kline,2023年)。尽管如此,其他指标可能会产生比这里报告的更优越的模型拟合。我们在基线时间点评估了CBCL(ABCD研究中使用最广泛的时间点;例如,Yu等人,2021年;Dash等人,2023年;Beyer等人,2024年),但ABCD也包含了 later adolescence 时期的评估。随着时间的推移,这个样本中心理病理学负担的增加可能会改变该工具的心理测量学属性。因此,我们的发现应该被解释为特定于基线年龄范围(8-11岁)。未来的研究应该检查该测量工具在后续时间点的可靠性和有效性,以确定后期评估是否能产生更稳健的心理测量结果。然而,我们在基线样本中的发现对纵向研究也有启示意义。我们的层次级分析是使用子量表总分而不是项目级指标进行的。尽管这种方法与ABCD文献中最常见的CBCL操作方式一致,也反映了典型的应用评分实践,但它必然限制了项目级交叉载荷的建模,并可能影响高级别和双因子规格之间的比较。虽然我们提供了传统CFA的项目级敏感度分析,但在贝叶斯CFA(Bayesian CFA)和因子混合模型(Factor Mixture Models)中,由于这种尺度的显著收敛时间和复杂性,这样的分析在计算上是不可行的。未来的工作可以利用更多的计算资源或替代估计策略来评估当前结论在整个项目级别是否能够得到复制。最后,重要的是要承认,像所有基于问卷的工具一样,CBCL提供了一种结构化且简化的现象测量表示方式,而这些现象本质上是非线性的、动态的且依赖于上下文的(Wackers和Schille-Rognmo,2022年)。因此,CBCL评估的构念应该被视为异质心理过程的更高层次抽象,而不是心理病理学潜在复杂性的直接反映。为了评估这种测量表示方式的准确性,我们有意使用了线性(因子分析)、非线性(IRT,Item Response Theory,项目反应理论)和混合(FMM,Factor Mixture Model)方法,使我们能够评估CBCL结构在不同流行模型假设下的稳健性和精度。尽管这些方法之间的结果一致性增强了我们结论的可信度,但这些方法仍然是简化的,无法完全描述产生心理病理学的动态和交互过程。未来的工作可以利用更多的计算资源或替代估计策略来评估当前结论在整个项目级别上是否能够得到复制。最后,重要的是要认识到,像所有基于问卷的工具一样,CBCL提供了一种结构化且简化的测量表示方式,而这些现象本质上是非线性的、动态的且依赖于上下文的(Wackers和Schille-Rognmo,2022年)。因此,CBCL评估的构念应该被视为异质心理过程的更高层次抽象,而不是心理病理学潜在复杂性的直接反映。为了评估这种测量表示方式的准确性,我们有意使用了线性(因子分析)、非线性(IRT)和混合(FMM)方法,以便在不同假设下评估CBCL结构的稳健性和精度。尽管这些方法之间的结果一致性增强了我们结论的可信度,但这些方法仍然是简化的,无法完全描述产生心理病理学的动态和交互过程。未来结合动态、纵向或基于网络的方法(Briganti等人,2024年)的研究可能有助于更直接地建模这些非线性过程,并进一步澄清CBCL构念与心理病理学潜在结构之间的关系。
5 结论
这项对CBCL的全面心理测量评估质疑了其在9至10岁年龄段ABCD队列中作为心理病理学维度测量工具的实用性。通过采用多阶段、多方法的研究方法,我们证明了CBCL假设的结构无法充分捕捉这个样本中的心理病理学,模型拟合度较差,提取的方差较低,参数估计也不合理。此外,我们还发现大多数子量表缺乏构念有效性,并且在潜在特质连续体均值以下显示出不可靠的测量精度,而大规模群体研究需要测量准确性。使用ABCD数据集的研究人员在解释CBCL得出的构念时应谨慎,并考虑更适合心理病理学维度评估的其他工具。
致谢
开放获取出版由Monash大学通过Wiley - Monash University协议在澳大利亚大学图书馆委员会的支持下实现。
资助
Alex Fornito得到了国家健康与医学研究委员会(ID:1197431)和澳大利亚研究委员会(ID:FL220100184)的支持。Jeggan Tiego得到了国家健康与医学研究委员会调查员资助2033976的支持。这项研究得到了Monash eResearch能力的支持,包括M3(Massive)。
利益冲突
所有作者均无需要披露的利益冲突。
数据可用性声明
本研究中使用的数据来自ABCD研究第5.1版,依据数据使用协议获得。原始数据不能由作者直接共享,但可以通过ABCD网站申请获取:https://abcdstudy.org/