Scala di intelligenza Wechsler per adulti – Profili della quarta edizione di adulti con disturbo dello spettro autistico

Astratto

Scopo.

In questo studio, abbiamo confrontato 229 profili cognitivi della Wechsler Adults Intelligence Scale – Fourth Edition (WAIS-IV) di adulti di diversa gravità con disturbo dello spettro autistico per verificare l’impatto di diverse variabili tra cui sesso, età, livello di istruzione e livello di gravità dell’autismo. in un campione italiano. Inoltre, volevamo scoprire i punti limite ottimali per i principali quozienti di intelligenza per discriminare i livelli di gravità dell'autismo.

Metodi.

La Wechsler Adult Intelligence Scale è uno strumento utilizzato per valutare il livello di intelligenza di un individuo, comprese molteplici dimensioni come il vocabolario, la comprensione dettagliata, il riconoscimento di schemi, il ragionamento e la memoria numerica. La memoria è un aspetto importante. C'è una certa correlazione tra loro.

La ricerca mostra che gli individui con livelli più elevati di intelligenza tendono ad avere ricordi migliori. Ciò può essere verificato da più angolazioni: in primo luogo, gli individui con un QI elevato tendono ad avere capacità più forti di apprendere e ricordare rapidamente e di applicare la conoscenza quando risolvono i problemi; in secondo luogo, gli individui con un QI elevato sono maggiormente in grado di apprendere e memorizzare la conoscenza. Comprendere e analizzare la conoscenza ed estrarre informazioni chiave; inoltre, gli individui con un QI elevato possono integrare e collegare in modo più efficace la conoscenza durante l'accumulo di conoscenza a lungo termine per promuovere l'immagazzinamento della memoria a lungo termine.

Tuttavia, vale la pena notare che la memoria non è l’unico fattore che determina il livello di intelligenza. Oltre alla memoria, il livello di intelligenza comprende anche molti altri aspetti, come il ragionamento, la creatività, ecc. Pertanto, non è sufficientemente accurato fare affidamento esclusivamente sulla memoria per stimare il livello di intelligenza. La Wechsler Adult Intelligence Scale è progettata per valutare in modo completo più indicatori del livello di intelligenza di un individuo per una valutazione più accurata.

In generale, la memoria è un aspetto importante del livello di intelligenza. La Wechsler Adult Intelligence Scale è uno strumento per valutare in modo completo il livello di intelligenza di un individuo. Può aiutarci a comprendere più aspetti multipli del livello di intelligenza di un individuo in modo più accurato in modo da poter comprendere meglio il livello di intelligenza dell'individuo. Sviluppare piani di formazione ragionevoli e indicazioni educative. Si può vedere che abbiamo bisogno di migliorare la memoria, e la Cistanche deserticola può migliorare significativamente la memoria perché la Cistanche deserticola è un materiale medicinale tradizionale cinese che ha molti effetti unici, uno dei quali è quello di migliorare la memoria. L'efficacia della carne macinata deriva dai vari principi attivi che contiene, tra cui acidi, polisaccaridi, flavonoidi, ecc. Questi ingredienti possono favorire la salute del cervello in vari modi.

Fare clic su Scopri la memoria a breve termine come migliorarla

I partecipanti sono stati reclutati da due Centri del Sistema Sanitario Nazionale in due diverse regioni italiane e sono stati valutati con strumenti standard come parte della loro valutazione clinica. Secondo il DSM-5, i domini cognitivi sono stati misurati anche con test multicomponenti. Abbiamo utilizzato l'adattamento italiano di WAIS-IV. Abbiamo verificato le nostre ipotesi utilizzando modelli di regressione lineare e curve ROC (caratteristiche operative del ricevitore).

Risultati.

I nostri risultati hanno mostrato che l’età e il livello di istruzione hanno un forte impatto sulla comprensione verbale (VCI) e sugli indici di memoria di lavoro (WMI). Le differenze di genere sono rilevanti se si considerano il VCI e l'indice di velocità di elaborazione (PSI) in cui le donne hanno ottenuto le migliori prestazioni. Queste differenze sono ancora rilevanti quando si considerano i punti limite del ROC perché 69 è risultato essere il punto limite ottimale per le donne e 65 per gli uomini.

Conclusioni.

Poche conclusioni possono essere assunte solo esaminando i punteggi del Full Scale Intelligence Quotient (FSIQ) poiché includono informazioni diverse su capacità cognitive più ampie. Osservando più in profondità gli indici principali e i risultati dei relativi sottotest sono coerenti con le ricerche precedenti sul disturbo (correlazioni moderate di FSIQ, indice di ragionamento percettivo, WMI e PSI con l'età dei partecipanti), mentre altri risultati sono imprevisti (nessun effetto del sesso trovato su Punteggio FSIQ) o nuovo (effetto significativo dell'istruzione su VCI e WMI). L’utilizzo di un algoritmo che prevede punti limite ottimali per discriminare i livelli di gravità dell’autismo può aiutare i medici a etichettare e quantificare meglio l’aiuto richiesto di cui una persona potrebbe aver bisogno; un test non può sostituire la valutazione diagnostica e clinica da parte di medici esperti.

introduzione

Il disturbo dello spettro autistico (ASD) è un disturbo dello sviluppo neurologico ad esordio precoce e con una componente genetica. L’ASD è caratterizzato da deficit nella reciprocità socio-emotiva, compromissione delle capacità di comunicazione verbale e non verbale e incapacità di sviluppare e mantenere adeguate relazioni sociali con i pari. I sintomi core dell’ASD sono associati alla presenza di comportamenti verbali e motori ripetitivi, schemi di interesse ristretti, bisogno di un ambiente immutabile (o comunque prevedibile e stabile) e ipo- o ipersensibilità agli input sensoriali. L'esordio dei sintomi clinici avviene durante i primi anni di vita (APA, 2013). Gli specificatori considerano la possibilità di diverse comorbilità, come un deficit cognitivo, un disturbo del linguaggio, una catatonia, fattori medici o ambientali o altri disturbi dello sviluppo neurologico.

Stime recenti di prevalenza indicano 1: 44 bambini negli USA e 1: 77 bambini in Italia (Maenner et al., 2016). La prevalenza negli adulti è di circa 1: 68, rivelando un aumento significativo nella popolazione di adulti con ASD (Christensen et al., 2016). Oltre a questo fattore, un altro elemento rilevante da considerare è il rapporto di genere tra le persone autistiche (Loomis et al., 2017), che è ancora dibattuto e presenta risultati contrastanti. Fattori genetici legati al sesso e vulnerabilità maschile agli insulti cerebrali possono spiegare alcune delle differenze di genere (APA, 2013). Recenti studi epidemiologici hanno rivelato una predominanza maschile di 2–3:1 rispetto al rapporto ampiamente citato 4–5:1 di studi precedenti (Mattila et al., 2011; Idring et al., 2012; Baxter et al., 2015; Zablotsky et al. al., 2015; Keller et al., 2020), sebbene questo rapporto possa dipendere dalle capacità intellettive e appaia pari a 2:1 quando l'ASD è associato a disabilità intellettiva e fino a 6-8:1 nei soggetti ad alto funzionamento. autismo (HFA; Fombonne, 2005, 2009). Si suppone che questa maggiore prevalenza maschile sia dovuta alla capacità delle donne autistiche di mascherare le proprie difficoltà sociali, a fattori culturali e a un minor numero di studi sull'ASD nella popolazione femminile (Attwood, 2007; Lai et al., 2011; Kirkovski et al., 2013) e diversi fenotipi di ASD (Mandy et al., 2012; Van Wijngaarden-Cremers et al., 2014; Howe et al., 2015). Un recente studio di Wilson et al. (2016), coinvolgendo 1244 adulti (935 maschi e 309 femmine) sottoposti a valutazione ASD, hanno riportato differenze di sesso nell’esito clinico. I risultati hanno concluso che a 639 uomini e 188 donne è stato diagnosticato ASD di qualsiasi sottotipo. Infatti, nello studio, non è stato osservato alcun effetto significativo del sesso (QI maschile > QI femminile; F(2)=2.47, p=0.09, η2 p=0.02) su Il QI è stato trovato. Per quanto riguarda i risultati sull’intelligenza, i loro risultati hanno confermato ricerche precedenti che riportavano punteggi di QI più bassi nelle donne con diagnosi di ASD rispetto ai partecipanti di sesso maschile (Fombonne, 2005). Infatti, Halpern e LaMay (2000) non hanno riscontrato differenze significative tra i sessi per il fattore g, mentre le differenze tra i sessi giocano un ruolo per quanto riguarda i risultati a livello di sottotest e indici utilizzando la Wechsler Intelligence Scale for Adults – 4th Edition (WAIS-IV; Wechsler, 2013). .

Studi sulla popolazione con sviluppo tipico (TD) che esaminano le differenze di genere utilizzando sottotest e indici derivati ​​da WAIS-IV hanno evidenziato prestazioni migliori degli uomini negli indici di QI, comprensione verbale (VC), ragionamento percettivo (PR) e memoria di lavoro (WM) ( Longman et al., 2007; Irwing, 2012; Daseking et al., 2017). Invece, l’indice della velocità di elaborazione (PS) è stato l’unico in cui le donne hanno ottenuto risultati migliori. Questi risultati erano in linea con uno studio italiano di Pezzuti et al. (2020) che hanno scoperto che gli uomini hanno ottenuto risultati significativamente migliori rispetto alle donne nel sottotest di aritmetica e nel WMI del WAIS-IV. Nel loro studio che confrontava le prestazioni del TD su WAIS-R e WAIS-IV, le differenze di genere apparivano più ampie e estese nel campione WAIS-R, come altri autori precedenti avevano menzionato utilizzando WAIS-III (Dolan et al., 2006; Van der Sluis et al., 2006). Uno studio di analisi fattoriale di Colom e Garcia-Lopez (2002) ha sottolineato che non ci sono differenze di sesso nell'abilità generale (g) sulla standardizzazione spagnola del WAIS-III. Gli autori hanno affermato che le differenze sessuali medie a favore dei maschi devono essere attribuite a fattori di gruppo specifici e alla specificità del test. Allo stesso modo, i risultati ottenuti da Van der Sluis et al. (2006) utilizzando l'olandese WAIS-III indicano differenze tra uomini e donne nelle prestazioni relative a specifiche abilità cognitive, ma non nell'intelligenza generale (g). Al contrario, per il campione di standardizzazione statunitense del WAIS-III, Irwing (2012) ha riportato differenze di sesso non solo per quanto riguarda le abilità specifiche ma anche in g. Gli uomini hanno sovraperformato le donne nell'intelligenza generale [Quoziente di intelligenza su scala completa (FSIQ)] e nei sottotest come Informazioni, Aritmetica e Ricerca di simboli, mentre le donne hanno sovraperformato gli uomini nell'Indice di velocità di elaborazione (PSI).

Anche il livello di istruzione (Ceci e Williams, 1997; Gustafsson, 2001) e l’età contribuiscono alla comprensione delle differenze nei risultati del QI. Ceci (1991) suggerisce che maggiori sono gli anni di istruzione migliori sono le capacità cognitive. Questo fenomeno è dovuto all'esposizione di contesti che permettono alle persone di apprendere informazioni rilevanti, di concentrarsi sui problemi, e insegna approcci cognitivi su cui si basa la maggior parte dei test di intelligenza. I risultati di uno studio italiano (Tommasi et al., 2015) hanno mostrato che il WAIS-R rileva differenze individuali nell'intelligenza adeguatamente misurate dai punteggi del QI a diversi livelli di istruzione. Si registra infatti un aumento medio pari a 1,9 punti QI nel punteggio composito globale del QI per anno di istruzione. Come accennato in precedenza, l’età deve essere considerata quando si tiene conto delle differenze di QI e dell’efficienza nel tempo (Baltes et al., 1998; Schaie e Willis, 2010). La maggior parte degli studi si è concentrata sul ruolo chiave della memoria di lavoro e sulla sua connessione con le abilità generali. È stato sostenuto che nel TD si gioca un significativo effetto dannoso dell'età sulle risorse della Working Memory (Craik e Salthouse, 2008; Robert et al., 2009).

Quindi il profilo del livello di intelligenza è uno dei fattori rilevanti da considerare quando si diagnosticano le persone con ASD, insieme ad altre misure cognitive, neuropsicologiche, socio-demografiche e dei sintomi principali (Happé et al., 2016). Riconoscere come le persone con ASD possono variare su questo costrutto può essere cruciale per identificare i sottotipi di ASD (Grzadzinski et al., 2013). Pertanto, i sottotipi di ASD cambiano in base ai diversi modelli di capacità cognitiva (Grzadzinski et al., 2013). Tuttavia, non esistono profili QI distintivi degli individui con ASD (Siegel et al., 1996; Ghaziuddin e Mountain-Kimchi, 2004; Goldstein et al., 2008; Williams et al., 2008; Charman et al., 2011). Le capacità intellettuali sono state più difficili da valutare negli individui con ASD a causa delle loro caratteristiche e degli strumenti di valutazione. Molti ricercatori si sono concentrati sui bambini, ma pochi autori hanno studiato i modelli di prestazione cognitiva negli adulti con ASD e come questi modelli possano differenziare i livelli di gravità e le configurazioni tipiche della prestazione. WAIS-IV (Wechsler, 2013) è il test delle prestazioni cognitive più utilizzato e rinnovato per la valutazione verbale degli adulti con ASD. Altre misure standardizzate dell'intelligenza includono Stanford-Binet (ad esempio Roid, 2003), Raven's Progressive Matrices (RPM; Raven et al., 1998) e Leiter-3 (Roid et al., 2013). L'uso delle scale Wechsler è stato supportato da diversi studi (Filipek et al., 1999; Mottron, 2004). Tuttavia, ricerche precedenti hanno evidenziato come l’RPM (Raven et al., 1998) potrebbe essere più adeguato per descrivere il profilo cognitivo delle persone con ASD (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011). Infatti, come sottolineato da Dawson et al. (2007) la scala Wechsler può sottostimare l’intelligenza degli individui con ASD principalmente a causa della sua enfasi sulle istruzioni e sui compiti verbali. Tuttavia, la struttura e le caratteristiche dell'RPM, adatte a compiti di ragionamento fluido, potrebbero essere una misura più appropriata dell'intelligenza delle persone con ASD. I risultati del confronto tra le prestazioni di Wechsler e i punteggi RPM degli adulti con e senza ASD hanno evidenziato prestazioni significativamente più elevate del gruppo ASD sull’RPM rispetto al gruppo TD, le cui prestazioni attraverso le scale erano senza differenze significative. Tuttavia, la discrepanza del QI tra le persone con ASD e TD ha permesso di comprendere in modo approfondito le differenze nelle prestazioni cognitive delle persone con ASD utilizzando l'RPM e la scala Wechsler. I risultati di uno studio separato ma correlato suggeriscono che le prestazioni più elevate sull'RPM rispetto alle misure Wechsler si verificano principalmente per gli individui con ASD con deterioramento cognitivo (Bölte et al., 2009). Holdnack et al. (2011) hanno confrontato le prestazioni tra il gruppo di controllo, l'HFA e il disturbo di Asperger (AS) nei sottotest WAIS-IV. Non sono state riscontrate differenze statisticamente significative tra i gruppi AS e quelli di controllo, mentre il gruppo HFA ha ottenuto i punteggi più bassi. Tuttavia, le prestazioni sia dei gruppi di controllo con ASD che di quelli di controllo su Matrix Reasoning e Digits Forward non hanno rivelato differenze significative. Per quanto riguarda i sottotest di codifica, tutti e tre i gruppi differivano significativamente l'uno dall'altro. Alla fine, nei puzzle visivi in ​​cui il gruppo HFA ha ottenuto risultati significativamente inferiori rispetto al gruppo di controllo, il gruppo AS non differiva né dal gruppo HFA né dal gruppo di controllo.

Riassumendo, diverse variabili demografiche sono associate a diversi livelli di abilità cognitivi nel TD. Tuttavia, in base alle nostre conoscenze, nessuno studio ha valutato insieme gli effetti di età, sesso, livello di istruzione e livello di autismo sulle prestazioni cognitive delle persone con ASD misurate con il WAIS-IV italiano in un ampio campione. Quindi, nel presente studio, abbiamo testato diverse ipotesi:

(1) Testare l'associazione tra le variabili demografiche e il livello di autismo con FSIQ, indici principali e sottotest, come passo preliminare per analisi ulteriori e approfondite. Ci si aspettava una moderata correlazione tra età e livello di istruzione e FSIQ e i principali indici.

(2) Supponendo che il FSIQ non potesse spiegare in modo completo i punti di forza e di debolezza delle persone con ASD valutate con il WAIS-IV, volevamo identificare se, come TD, fossero stati riscontrati effetti significativi delle variabili indipendenti sui quattro indici insieme (VCI, WMI , PRI, PSI) e i sottotest sottostanti. Nello specifico, non ci aspettavamo differenze di sesso nel FSIQ in entrambi i livelli di autismo; effetti significativi dell'età e del livello di istruzione su VCI, WMI e PSI; e le migliori prestazioni delle partecipanti donne ASD sul PSI.
(3) Infine, abbiamo voluto testare l'ipotesi che prestazioni migliori sui quattro indici possano predire sintomi autistici meno gravi. Infatti, sono stati studiati i punteggi ottimali per discriminare i livelli di gravità dell’autismo utilizzando WAIS-IV.

Metodi

Partecipanti

In totale, 270 adulti con ASD (Mage=26.3 SD=9.35) sono stati valutati presso il Centro Regionale per i Disturbi dello Spettro Autistico di Torino e il Centro Regionale per l'Autismo di L. 'L'Aquila (Italia). Il Centro Regionale dell'ASL Città di Torino è un dipartimento del sistema nazionale di salute mentale che fornisce servizi alle persone con ASD. Il centro fornisce valutazioni cliniche e interventi psicologici ed educativi per le persone con autismo (Keller et al., 2{{108}}20). Il Centro di Riferimento Regionale per l’Autismo – struttura del Sistema Sanitario della Regione Abruzzo – svolge attività diagnostica, clinica, consultiva e eroga cure a soggetti affetti da ASD. La maggior parte dei pazienti è stata indirizzata dallo psichiatra generale per una valutazione dell'ASD e si è rivolta a uno dei centri per la prima volta o è tornata per una valutazione di follow-up. Tutte le diagnosi sono state fatte secondo i criteri del Manuale Diagnostico e Statistico dei Disturbi Mentali, Quinta Edizione (DSM-5) (APA, 2013) considerando l'anamnesi clinica, il colloquio clinico, la valutazione cognitiva con WAIS- IV (Orsini e Pezzuti, 2013), valutazione diagnostica con ADI-r (Rutter et al., 2003) e ADOS modulo 4 (Lord et al., 2002) o RAADS (Ritvo et al., 2011 ), seguendo un percorso diagnostico strutturato (modello di rete multistep, Keller et al., 2020). Dell'intero campione, 169 persone hanno ricevuto diagnosi di ASD di livello 1 (maschi=75%, Medu=12.4, SD=2.64; femmine=25%, Medu=13.6, SD=2.91), 60 con ASD livello 2 (maschi=75%, Medu=10.9, DS=2.18; femmine=25%, Medu=11.3, SD=2.47) e 39 con ASD livello 3 (maschi=79%, Medu=10.9, DS=1.96; femmine = 21%, Medu=11.5, SD=1.60). Per essere inclusi nello studio, tutti i pazienti hanno ricevuto una diagnosi clinica formale di ASD secondo i criteri DSM-5 (APA, 2013). Le persone con comorbidità psicopatologica (n=42) sono state incluse solo se erano in remissione o con un impatto minimo sul funzionamento quotidiano. In totale, il 3,9% con ASD di livello 1 e disturbi depressivi in ​​comorbilità (maschi=3%, femmine=0.9%), il 3,49% con ASD di livello 1 e disturbi di personalità (maschi=2). 18%, donne=1.31%), 2,18% con ASD livello 1 e disturbi specifici dell'apprendimento (maschi=1.31%, donne=0.87%), 1,31% persone con ASD livello 1 (maschi=0.43%, femmine=0.86%) e 0,43% maschi con ASD livello 2 e disturbo ossessivo-compulsivo, 1,31% con ASD livello 1 ed epilessia (maschi=0,87%, femmine = 0,43%), 1,31% con ASD di livello 1 e disturbo d'ansia (maschi = 0,43%, femmine=0,87 %), 1,31% con ASD di livello 1 e schizofrenia (maschi=0,87%, femmine=0,43%), 0,87% con ASD di livello 1 e disturbo da deficit di attenzione/iperattività (maschi {{ 112}},43%, femmine = 0,43%), 0,87% con ASD livello 1 e disturbo della coordinazione dello sviluppo (maschi=0,43%, femmine=0,43%), Sono stati inclusi lo 0,43% di donne con ASD di livello 1 e sindrome di Turner, lo 0,43% di maschi con ASD di livello 2 e sindrome di Tourette, lo 0,43% con ASD di livello 1 e disforia di genere.

In totale, 39 partecipanti con livello 3 e due partecipanti con livello 2 sono stati esclusi dal campione originale perché non erano idonei per una valutazione cognitiva verbale con WAIS-IV poiché la loro comunicazione avveniva attraverso gesti o altri sistemi di comunicazione alternativi.

Tutte le variabili demografiche e le caratteristiche del campione finale sono presentate nella Tabella 1.

Le misure
I dati sulle capacità cognitive sono stati raccolti utilizzando WAIS-IV (Wechsler, 2013). Il WAIS-IV viene utilizzato per valutare il profilo intellettuale delle persone di età compresa tra 16 e 90 anni. È composto da quattro punteggi e da un indice di intelligenza generale. I quattro indici sono VCI, PRI, WMI e PSI. Ogni indice è composto da due o tre sottotest necessari per ottenere il punteggio totale del QI. I dieci test secondari principali sono vocabolario, informazioni, somiglianze, intervallo di cifre, aritmetica, progettazione a blocchi, ragionamento a matrice, puzzle visivi, codifica e ricerca di simboli. Contiene inoltre cinque test secondari aggiuntivi: comprensione, sequenza lettera-lettera-numero, peso delle figure, completamento dell'immagine e cancellazione. Nel nostro campione, abbiamo utilizzato i dieci test secondari per tutte le persone e tutti i livelli di ASD. Abbiamo calcolato i punteggi dei subtest, i punteggi degli indici e l'indice del QI su vasta scala. Ogni punteggio grezzo è stato corretto con i punteggi di standardizzazione italiana del WAIS-IV (Orsini e Pezzuti, 2013).

Il WAIS-IV e l'intera valutazione psicologica sono stati somministrati da uno psicologo abilitato in una stanza ampia e luminosa in una sessione da 45 minuti a 1,5 ore.

La struttura del WAIS-IV e dei suoi indici e sottotest è rappresentata nella Tabella 2.

L'età di ciascun partecipante è stata calcolata al momento della somministrazione del WAIS-IV ed espressa in numeri interi.

Il livello di autismo è stato classificato in tre diversi livelli come indicato nel DSM-5 (APA, 2013), in modo che il livello 1 fosse il meno grave mentre il livello 3 fosse il più grave. Il livello di gravità è stato valutato attraverso interviste cliniche effettuate da due psicologi indipendenti e uno psichiatra con i partecipanti e i caregiver. Alla fine, in una riunione finale, l’intero team di professionisti ha discusso e concordato uno dei tre livelli di supporto richiesti dalla persona.

Gli anni di istruzione sono stati raccolti considerando gli anni del ciclo scolastico interamente completati. Eventuali anni di istruzione interrotti non sono stati aggiunti al numero. Pertanto, considerando il sistema di istruzione obbligatoria italiano, venivano assegnati 5 anni se una persona completava il primo ciclo scolastico. Altri 3 anni venivano concessi se una persona completava il secondo ciclo scolastico. Infine, sono stati considerati 5 anni se una persona ha completato l'ultimo ciclo di istruzione obbligatoria. Inoltre, venivano concessi da 3 a 5 anni di istruzione aggiuntivi se una persona completava una laurea o un master.

La comorbilità psicopatologica era considerata una variabile dicotomica in termini di presenza o assenza di qualsiasi disturbo.

Analisi dei dati

È stato utilizzato un approccio analitico per descrivere e comprendere meglio i dati raccolti. Inizialmente, sono state eseguite analisi descrittive e correlazionali per esplorare i dati e la distribuzione delle variabili tra i livelli di ASD e per determinare se esistesse una relazione tra le variabili di interesse. Una moderata associazione tra le variabili rappresenta una delle condizioni per esplorare i fenomeni causa-effetto attraverso analisi successive approfondite.

Infatti, per comprendere meglio gli effetti delle variabili socio-demografiche e correlate all’ASD sugli indici di prestazione cognitiva, sono stati utilizzati modelli di regressione lineare per analizzare l’impatto di età, istruzione, livello di ASD, sesso e comorbidità sugli indici WAIS-IV. La regressione lineare è un'analisi predittiva utilizzata per determinare se un insieme di variabili predittive (variabili indipendenti) prevede un risultato (variabili dipendenti). Attraverso l'analisi del test della varianza, abbiamo valutato un effetto 'complessivo' considerando le differenze tra le medie. Invece, il valore p per ciascuna media nei modelli di regressione è stato utilizzato per capire facilmente quale media è diversa da quella di riferimento.

Inoltre, in un modello di approccio a cascata, abbiamo eseguito un’analisi più approfondita considerando ciascun indice come una variabile dipendente e le variabili socio-demografiche e correlate all’ASD come covariate. Per le analisi successive, abbiamo eseguito un'analisi multivariata della covarianza (MANCOVA) per valutare le differenze statistiche su più variabili dipendenti continue - i quattro indici WAIS-IV - mediante due variabili di raggruppamento indipendenti, controllando al contempo una o più variabili chiamate covariate. Attraverso MANCOVA abbiamo creato un modello con quattro variabili dipendenti (i quattro indici WAIS-IV), sesso, livello di ASD e comorbilità come variabili indipendenti ed età e istruzione come covariate. Alla fine, abbiamo ripetuto la stessa analisi utilizzando i sottotest di ciascun indice come variabili dipendenti, sesso, livello di ASD e comorbilità come variabili indipendenti ed età e istruzione come covariate.

Allo stesso modo, in linea con il terzo obiettivo della ricerca, abbiamo voluto discriminare tra i livelli di gravità dell’ASD. L'area sotto la curva (AUC) e le caratteristiche operative del ricevitore (ROC) (Metz, 1978; Zweig e Campbell, 1993) sono state utilizzate per ispezionare le prestazioni dei due gruppi di livello ASD sugli indici compositi WAIS-IV. ROC-AUC rivela quanto i cinque punteggi compositi WAIS-IV siano in grado di distinguere tra i livelli di gravità dell’ASD. Maggiore è l'AUC, migliore è il modello nel distinguere tra partecipanti con livelli di gravità 1 e 2. Un ROC è un grafico del tasso di veri positivi (sensibilità) rispetto al tasso di falsi positivi (1-specificità) associato a ogni possibile valore limite per una misura. L'AUC è una misura dell'accuratezza diagnostica e della validità predittiva che può essere utilizzata per confrontare il valore predittivo di diverse misure. L'AUC può variare tra 0.5 (discriminazione casuale) e 1 (discriminazione perfetta)

Per l'analisi abbiamo utilizzato i software R Studio (R Studio Team, 2020) e Jamovi (The Jamovi Project, 2021).

Risultati

Per l'analisi statistica, due adulti con livello 2 e 39 adulti con livello 3 sono stati esclusi perché non potevano essere valutati con WAIS-IV. Quindi, il campione finale era composto da 229 persone di livello 1 e 2. Le statistiche descrittive del campione e i quattro indici sono presentati nella Tabella 3. Per una migliore comprensione della distribuzione dei dati tra i livelli e gli indici, abbiamo presentato degli istogrammi con un densità del FSIQ e dei quattro indici in Fig. 1.

Nell'analisi di correlazione semplice (vedere Tabella 4), l'età era significativamente correlata con FSIQ (r=0.300, p < 0,001), VCI (r = 0.323, p { {7}}.01), PRI (r=0.214, p=0.001), WMI (r=0.247, p< 0.001) and PSI (r = 0.235, p < 0.001). A relevant result was the absence of significance between block design and age (r = 0.084, p = 0.207). A similar result was found between Arithmetic and age (r = 0.206; p = 0.002). Level of education was significantly correlated with FSIQ (r = 0.376, p < 0.001), while the stronger association was only with the VCI (r = 0.264, p < 0.001) and its subtests, Similarities (r = 0.346, p < 0.001), Vocabulary (r = 0.387, p < 0.001) and Information (r = 0.366, p < 0.001). Although no significant correlation between the level of education and WMI was found, Arithmetic was moderately correlated with the level of education (r = 0.301; p < 0.001).

Tutte le associazioni tra gli indici principali e i sottotest erano significative (p <0.001).

Nei modelli di regressione lineare, abbiamo considerato gli effetti congiunti di sesso, livello di istruzione, livello di autismo, età e comorbilità sul FSIQ. Nel modello 1, età (=0.371; t=2.779; p=0.006), livello di autismo ( {{7 }} −35,205; t=−12,636; p < 0,001) e livello di istruzione (=1,530; t=3,268; p < 0,001) erano significativi, suggerendo che maggiore è l’età, il livello di autismo e di istruzione, migliore è il punteggio FSIQ. Il modello 1 spiegava il 54,3% della varianza nei punteggi FSQI (R2 aggiustato=0.512, F(4, 224)=60.9, p < 0,001). Non sono stati riscontrati effetti significativi di comorbilità sul FSIQ (= 0.479; t = 0.153; p=0.87).

Utilizzando modelli di regressione multipla multivariata con MANCOVA abbiamo testato diverse ipotesi. Nel modello 2 abbiamo considerato separatamente gli effetti congiunti delle variabili indipendenti del modello precedente sui quattro indici (VCI, PRI, WMI, PSI). Sesso (F=8.23; p < 0.001), età (F=4.54; p=0. 002), il livello di istruzione (F = 3.53; p=0.008) e il livello di autismo (F=63.80; p < 0.001) hanno un impatto significativo sui quattro indici quando li consideriamo insieme. Non sono stati riscontrati effetti significativi considerando gli effetti congiunti di sesso e livello di autismo sui quattro indici (F=1.95; p=0.103) né delle comorbidità (F=1.77 ; p=0.135). Pertanto, il modello 2 suggerisce che i pazienti di sesso maschile ottengono risultati migliori rispetto alle donne e che maggiore è il livello di istruzione e l'età, migliori sono i punteggi dei quattro indici. Infatti, considerando l'effetto diretto delle variabili su ogni singolo indice, abbiamo riscontrato che l'effetto del sesso era statisticamente significativo su VCI (F=4.429; p=0.036) e PSI (F {{ 30}}.835; p=0.001) e rimane significativo quando si considera l'effetto congiunto con il livello sul PSI (F=6.788; p=0.010). L'istruzione ha un effetto statisticamente significativo su VCI (F = 12.374; p ⩽ 0,001) e WMI (F=8.288; p=0.004).

Nei seguenti modelli di regressione multipla multivariata, abbiamo valutato gli effetti di sesso, età, istruzione, livelli di autismo e comorbilità sui sottotest principali dei quattro indici. Digit Span e Arithmetic sono stati considerati i test secondari principali di WMI. I risultati hanno evidenziato un effetto significativo del livello di autismo (F {{0}}.036; p < 0,001), età (F=3.832; p=0.023) e istruzione (F=4.244; p=0.016) in entrambi i test secondari. Non sono stati riscontrati effetti di comorbidità nei sottotest WMI (F=0.121; p=0.886).

Considerando i sottotest principali del VCI, sesso (F {{{{10}}}}.859; p = 0.038), livello di istruzione (F=4.822; p=0.003), il livello di autismo (F=73.258; p < 0,001) e l'età (F=5.932; p < 0,001) hanno avuto un impatto statisticamente significativo sulle somiglianze , Vocabolario e informazioni. Se guardiamo i risultati dei test univariati, il sesso ha un impatto significativo solo sul vocabolario (F=7.337; p=0.007) senza alcun significato su somiglianze e informazioni. Non sono stati riscontrati effetti di comorbidità nei sottotest VCI (F=0.623; p=0.601).

Infatti, per gli effetti su Block Design, Matrix Reasoning e Visual Puzzles, il livello di autismo è stata l'unica covariata con un forte impatto sui tre sottotest (F {{0}}.375; p < 0,001) . Non sono stati trovati altri risultati rilevanti ad eccezione di un piccolo effetto significativo dei livelli di sesso e di autismo sul VP (F=4.433; p=0.036).
L'ultimo modello ha considerato gli effetti delle variabili su Symbol Search and Coding e ha rivelato un effetto significativo del sesso (F {{0}}.21; p=0.006), livello di autismo (F { {4}}.29; p < 0,001) e l'interazione tra sesso e livello di autismo (F=3.22; p=0.042) nei due sottotest. Tuttavia, l'effetto delle variabili isolate su ciascuna età del sottotest ha un impatto statisticamente significativo sulla ricerca dei simboli.

I risultati del ROC sono presentati nella Tabella 5. Secondo l'analisi precedente, il sesso era statisticamente diverso su diversi indici e sottotest e, a causa delle dimensioni ridotte del campione femminile, abbiamo deciso di trattare maschi e femmine separatamente. Nella Tabella 5 abbiamo utilizzato il ROC su campioni femminili (n=57) e maschili (n=172). Diversi valori soglia sono risultati discriminanti tra i livelli 1 e 2 considerando il FSIQ. Ciascun indice differiva in modo statisticamente significativo dal livello di probabilità (= 0.05).

Nel campione femminile, un punteggio pari a 69 differenzia tra i livelli mentre un range che varia da 65 a 69 punteggi può distinguere tra maschi con diversi livelli di autismo. Il VCI distingue tra i livelli 1 e 2 con un punteggio di 74 nelle partecipanti di sesso femminile. Nei partecipanti di sesso maschile, invece, il range clinico da considerare varia da 67 a 76. Il miglior punteggio del PRI per un campione femminile è 79 mentre per il campione maschile, un punteggio di 77 è il miglior compromesso considerando sensibilità e specificità. Per quanto riguarda il WMI, un valore limite di 69 è risultato un parametro forte per distinguere l'autismo di livello 1 e 2 nelle donne. Per la popolazione maschile, un valore soglia adeguato è 72 con buona sensibilità e specificità. Infine, per il PSI, nel campione femminile, 81 era un buon valore soglia, mentre per il campione maschile il buon valore soglia era 70.

Discussione

Un numero limitato di ricercatori si è concentrato su uno studio approfondito del profilo cognitivo degli adulti con autismo nel contesto internazionale e nessuna ricerca nel contesto italiano (Fombonne, 2005; Wilson et al., 2016). A nostra conoscenza, la maggior parte degli autori si è concentrata sulle prestazioni cognitive e sociali di bambini o adolescenti con ASD (Bodner et al., 2014). Diversi studi si sono concentrati sul confronto delle prestazioni cognitive degli adulti con ASD con TD o HFA con AS e TD (Holdnack et al., 2011). Nessuno di loro ha esplorato l’effetto delle variabili socio-demografiche sulle prestazioni cognitive delle persone con ASD. Quindi, nella nostra ricerca, abbiamo esplorato il profilo cognitivo degli adulti con ASD che hanno raggiunto una diagnosi clinica. Dopo aver esplorato i dati con analisi descrittive, abbiamo eseguito una correlazione tra scala intera, scale dell'indice primario e principali sottotest e variabili socio-demografiche. I risultati hanno mostrato che FSIQ, PRI, WMI e PSI sono moderatamente correlati all’età dei partecipanti. Più nello specifico, si suppone che il livello di istruzione abbia un impatto significativo sulle abilità cognitive misurate dagli indici WAIS-IV (Ceci, 1991; Baltes et al., 1998; Schaie e Willis, 2010; Pezzuti et al., 2019; Borella et al., 2020). Invece, un risultato interessante è la quasi indipendenza del subtest Block Design dall’età e dall’istruzione che può essere considerato come un subtest culturalmente e indipendente dall’età nel nostro campione.

Successivamente, abbiamo utilizzato un approccio a cascata, analizzando dapprima il Full-Scale Index, poi i quattro indici fondamentali ed infine i subtest che compongono i quattro indici principali. La decisione per questa scelta è stata presa per ridurre l'impatto di due errori: gli errori commessi durante la trasformazione dei punteggi ponderati in punteggi compositi e quando la differenza tra gli indici o i sottotest era tale da invalidare il punteggio dell'indice stesso. Nel primo modello di regressione lineare, abbiamo valutato l’impatto di età, livello di istruzione, sesso e livello di autismo sul FSIQ. I risultati hanno mostrato un alto livello di significatività sia per età che per istruzione, indicando che ogni punteggio nel FSIQ è correlato con un aumento di 0,37 anni e, per ogni anno di istruzione c'è un aumento di circa 1,5 punti nel FSIQ. Questi risultati sono in linea con uno studio sul TD di Tommasi et al. (2015) che hanno evidenziato un aumento medio di 1,9 punti QI nel punteggio composito globale del QI per anno di istruzione. Contrariamente alle nostre aspettative e ai risultati precedenti che evidenziavano lo svantaggio delle donne autistiche nei punteggi del QI rispetto ai maschi autistici, non sono stati trovati effetti sessuali sul punteggio FSIQ nel nostro campione. Come accennato in precedenza, solo esaminando i punteggi FSIQ si possono trarre poche conclusioni poiché includono informazioni diverse su capacità cognitive più ampie.

Pertanto, nel modello 2 abbiamo eseguito una MANCOVA utilizzando i quattro indici come variabili dipendenti, sesso e livelli di gravità come fattori ed età e istruzione come covariate. I risultati hanno mostrato una differenza statisticamente significativa in tutte le variabili tranne quando viene considerata l’interazione tra sesso e livello di autismo. Osservando più in profondità i risultati e l’impatto delle variabili sugli indici, i risultati evidenziano una differenza significativa tra i sessi negli indici di comprensione verbale e velocità di elaborazione nelle partecipanti donne che ottengono risultati migliori rispetto ai coetanei uomini. Quest’ultimo risultato non sorprende dal momento che anche le donne adulte TD hanno sovraperformato i maschi nei compiti di velocità di elaborazione (Daseking et al., 2017). Tuttavia, inaspettatamente e mai delineato prima, le donne adulte autistiche avevano prestazioni migliori nel vocabolario rispetto ai maschi autistici. Sebbene questi risultati siano sorprendenti e nuovi, è necessario condurre ulteriori studi per controbilanciare il numero di partecipanti maschi e femmine con ASD. L’effetto del vantaggio femminile sul PSI rimane significativo se si considera l’interazione con il livello di ASD. In effetti, la performance delle partecipanti donne al PSI è migliore sia nei livelli ASD 1 che 2. Un altro risultato non sorprendente è l’effetto dell’istruzione sull’indice di comprensione verbale, suggerendo che le persone con un’istruzione superiore ottengono risultati migliori nella conoscenza verbale acquisita e nel ragionamento verbale, come sottolineato dalla letteratura precedente (Tommasi et al., 2015). Tuttavia, gli effetti dell’educazione sulla memoria di lavoro sono in parte nuovi e rimangono significativi quando entrambi i sottotest vengono considerati per l’analisi. Tuttavia, è necessario condurre ulteriori studi per comprendere meglio la direzione di questo effetto. Si può postulare che anni di istruzione contribuiscano a migliori prestazioni in Digit Span e aritmetica poiché migliori prestazioni WMI aumentano la probabilità di un livello di istruzione più elevato. Imprevedibilmente non è stato trovato alcun effetto statistico del sesso sulla WM, rivelando un modo simile per i partecipanti sia maschi che femmine di agire in questo dominio cognitivo. Questo risultato è in contrasto con un recente studio italiano sul TD di Pezzuti et al. (2020) in cui si è verificata una sovraperformance degli uomini nei punteggi compositi WMI e nel relativo test secondario aritmetico. L'assenza di effetti del sesso su questo indice nel nostro campione autistico potrebbe essere interpretata alla luce della teoria del cervello maschile estremo (Baron-Cohen, 2002) secondo la quale l'autismo può essere considerato come un estremo del profilo maschile normale.

Nel modello 4 vengono considerati i sottotest del VCI (Somiglianze, Vocabolario e Informazioni) e i risultati hanno mostrato un effetto significativo su tutte le variabili tranne quando viene presa in considerazione l'interazione tra sesso e livello di ASD. Osservando più in profondità le analisi univariate, gli effetti significativi dell’istruzione, dell’età e del livello di autismo sui singoli sottotest sono confermati in ciascun sottotest. La letteratura supporta questi risultati, dimostrando che il livello di istruzione è un predittore di una maggiore competenza verbale (Abad et al., 2015). Tuttavia, le precedenti differenze di sesso riscontrate considerando i punteggi compositi VCI sono scomparse quando ciascun sottotest è stato considerato per l'analisi, ad eccezione del Vocabolario. Anche questo risultato è in contrasto con ricerche precedenti (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017) che delineavano la superiorità degli uomini con TD nell’indice di comprensione verbale. Al contrario, nel nostro campione le femmine con ASD hanno sovraperformato i maschi con ASD quando nell’analisi è stato considerato il sottotest Vocabolario. Tuttavia, questa differenza è considerata statisticamente significativa solo al livello ASD 1, mentre non sono state rilevate differenze di sesso nei sottotest VCI quando viene considerato il livello ASD 2.

Nel modello 5 abbiamo utilizzato i sottotest Block Design, Matrix Reasoning e Visual Puzzles come variabili dipendenti. I risultati hanno mostrato solo un effetto significativo del livello di ASD sui sottotest considerati. La superiorità dei maschi con TD nel punteggio composito PRI (Longman et al., 2007; Irwing, 2012; Daseking et al., 2017) non è stata confermata nel nostro campione autistico, indicando che i sottotest del PRI sono più sensibili al livello di gravità dell'ASD in il nostro campione.

Nel modello 6, la ricerca dei simboli e la codifica sono state utilizzate come variabili dipendenti. I risultati hanno rivelato un effetto statisticamente significativo del sesso e dei livelli di autismo su entrambi i sottotest, confermando i risultati precedenti quando è stato analizzato il punteggio composito PSI. Anche quando viene controllato l’effetto congiunto del sesso e del livello di autismo, il risultato rimane statisticamente significativo in ciascun sottotest. Questo risultato è in linea con i precedenti studi sul TD considerando la superiorità femminile nell’Indice di velocità di elaborazione (Pezzuti et al., 2020); quindi lo stesso modello sembra verificarsi nella popolazione ASD.

L'uso degli indici principali WAIS-IV o dei punteggi limite dei subtest per discriminare meglio tra i livelli di autismo può essere controverso ma utile per i medici che devono descrivere il funzionamento di una persona secondo la classificazione DSM-5 (APA, 2013). Per l'indice a scala completa, i migliori punti di soglia rilevati sono stati 69 per le donne e 65 per i maschi utilizzando gli indici di Youden. Nel VCI, i valori limite ottimali erano 74 e 69 rispettivamente per le femmine e i maschi; per quanto riguarda il PRI, i valori limite migliori sono stati 79 per le femmine e 73 per i maschi; nel WMI 69 per le femmine e 72 per i maschi; infine, per il PSI i cut-point ottimali erano 81 per le femmine e 70 per i maschi.

Sebbene tutti questi risultati predittivi possano aiutare i medici a discriminare meglio tra diversi livelli di gravità, un test non può sostituire la valutazione diagnostica da parte di medici esperti. Tuttavia, i punteggi limite vengono presi insieme ai risultati precedenti sulla quasi indipendenza del PRI dall’età, dal livello di istruzione e dal sesso, che possono in parte indirizzare la valutazione clinica alle abilità visuospaziali quando si valutano le persone con ASD a tutti i livelli.

In sintesi, alcuni autori hanno evidenziato un effetto di sottostima delle capacità cognitive delle persone con ASD valutate con WAIS-IV rispetto a RPM (Dawson et al., 2007; Hayashi et al., 2008; Soulières et al., 2011). Tuttavia, questo fenomeno sembra essere meglio applicato alle persone con ASD e deterioramento cognitivo e non ad AS (Bölte et al., 2009; Holdnack et al., 2011) o ad abilità cognitive medie. Pertanto, il deterioramento cognitivo dovrebbe essere motivo di preoccupazione quando si seleziona qualsiasi strumento di valutazione da utilizzare con le persone con ASD e quando si interpretano i risultati dei loro risultati su quella misura. Oltre al deterioramento cognitivo, il ritardo del linguaggio ha un impatto significativo sui risultati del QI, come Bodner et al. (2014) hanno evidenziato nel loro studio che hanno prodotto un QI WAIS-IV migliore rispetto ai punteggi RPM negli adulti verbalmente abili. Pertanto, è necessario considerare molteplici fattori prima di valutare le persone con ASD (contesto, situazione, abilità valutate, metodi diversi), dando priorità ad un approccio multi-metodo e multi-informante. Pertanto, prevedere il funzionamento accademico o adattivo delle persone con ASD nell’arco della vita sulla base di strumenti di valutazione cognitiva dovrebbe essere fatto con cautela poiché né il Wechsler né l’RPM raccolgono completamente tutte le informazioni necessarie per valutare il funzionamento cognitivo nelle persone con ASD.

Limitazioni e indicazioni per la ricerca futura

Una possibile limitazione dello studio è il numero limitato di partecipanti donne rispetto ai partecipanti uomini, che potrebbe precludere la generalizzazione dei risultati. Inoltre, il ridotto campione femminile di ASD e i risultati di assenza di differenze di sesso sui punteggi compositi generali del QI possono essere in parte dovuti alla dimensione del campione femminile. Tuttavia, il campione era composto da un numero diverso di maschi e femmine a seconda della prevalenza dell’ASD.

Nella ricerca è stata indagata solo la presenza o l'assenza di comorbilità nei reperti. Sebbene un numero limitato di partecipanti avesse diagnosi cliniche che potrebbero avere un forte effetto sui sottotest WAIS-IV, come disturbi psicotici o ADHD, sono necessari ulteriori studi per valutare il singolo effetto delle comorbilità sugli esiti.

Disponibilità di dati e materiali

I set di dati anonimizzati analizzati nel presente studio sono disponibili su richiesta presso l'autore corrispondente.

Ringraziamenti.

Ringraziamo tutte le persone che hanno preso parte a questo studio. Apprezziamo la partecipazione dei partecipanti autistici e dei loro parenti che, con il loro interesse e dedizione, rendono possibile la ricerca sull'autismo.

Sostegno finanziario.

Nessun sostegno finanziario è stato ricevuto per la ricerca.

Conflitto d'interesse.

Nessun conflitto di interessi è stato segnalato dagli autori.

Standard etici.

Tutte le procedure eseguite negli studi che hanno coinvolto partecipanti umani erano conformi agli standard etici del comitato di ricerca istituzionale e/o nazionale e alla Dichiarazione di Helsinki del 1964 e ai suoi successivi emendamenti o standard etici comparabili.

Riferimenti

1. Abad F, Sorrel M, Román F e Colom R (2015) Le relazioni tra i punteggi dell'indice dei fattori WAIS-IV e il livello di istruzione: un approccio del modello bifattoriale. Valutazione psicologica 28, 987–1000.

2. Manuale diagnostico e statistico dei disturbi mentali dell'American Psychiatric Association (2013), 5a edizione. Arlington, Virginia: autore.

3. Attwood T (2007) La guida completa alla sindrome di Asperger. Londra: Jessica Kingsley Publishers.

4. Baltes PB, Lindenberger U e Staudinger UM (1998) Teoria della durata della vita nella psicologia dello sviluppo. In Damon W e Lerner RM (a cura di), Manuale di psicologia infantile: vol. 1. Modelli teorici dello sviluppo umano, 5a ed. Hoboken, NJ: Wiley, pp. 1029–1143.

5. Baron-Cohen S (2002) La teoria estrema del cervello maschile sull'autismo. Tendenze nelle scienze cognitive 6, 248–254.

6. Baxter AJ, Brugha TS, Erskine HE, Scheurer RW, Vos T e Scott JG (2015) L'epidemiologia e il carico globale dei disturbi dello spettro autistico. Medicina psicologica 45, 601–613.

7. Bodner KE, Williams DL, Engelhardt CR e Minshew NJ (2014) Un confronto di misure per valutare il livello e la natura dell'intelligenza nei bambini e negli adulti verbali con disturbo dello spettro autistico. Ricerca sui disturbi dello spettro autistico 8, 1434–1442.

8. Bölte S, Dziobek I e Poustka F (2009) Breve rapporto: il livello e la natura dell'intelligenza autistica rivisitati. Giornale di autismo e disturbi dello sviluppo 39, 678–682.

9. Borella E, Pezzuti L, De Beni R e Cornoldi C (2020) Intelligenza e memoria di lavoro: prove dalla somministrazione del WAIS-IV ad adulti e anziani italiani. Ricerca psicologica 84, 1622–1634.

10. Ceci SJ (1991) Quanto incide la scolarizzazione sull'intelligenza generale e sulle sue componenti cognitive? Una rivalutazione delle prove. Psicologia dello sviluppo 27, 703–722.

11. Ceci SJ e Williams WM (1997) Scuola, intelligenza e reddito. Psicologo americano 52, 1051.

12. Charman T, Pickles A, Simonoff E, Chandler S, Loucas T e Baird G (2011) QI nei bambini con disturbi dello spettro autistico: dati dallo Special Needs and Autism Project (SNAP). Medicina psicologica 41, 619–627.

13. Christensen DL, Baio J, Van Naarden Braun K, Bilder D, Charles J, Constantino JN, Daniels J, Durkin MS, Fitzgerald RT, Kurzius-Spencer M, Lee LC, Pettygrove S, Robinson C, Schulz E, Wells C , Wingate MS, Zahorodny W, Yeargin-Allsopp M e Centri per il controllo e la prevenzione delle malattie (CDC) (2016) Prevalenza e caratteristiche del disturbo dello spettro autistico tra i bambini di 8 anni – rete di monitoraggio dell'autismo e delle disabilità dello sviluppo, 11 siti, Stati Uniti, 2012. Sintesi della sorveglianza MMWR 65, 1–23.

For more information:1950477648nn@gmail.com