In de wereld van de psychiatrie hebben de diagnostische criteria voor ASS en sociale (pragmatische) communicatiestoornis (SCD) een opmerkelijke ontwikkeling doorgemaakt. De vijfde editie van het Diagnostic and Statistical Manual of Mental Disorders (DSM-5) introduceerde deze als een nieuwe categorie in de psychiatrie nosografie. Terwijl autisme betrekking heeft op beperkingen in sociale communicatie en interactie, omvat SCD deze aspecten zonder de beperkte, repetitieve gedragspatronen die bij ASD worden waargenomen. Dit artikel verkent de bruikbaarheid van de AQ-test in het screenen van autisme en SCD.
Het onderzoek omvatte 127 mensen met autisme, 52 mensen met sociale (pragmatische) communicatiestoornis en 49 neurotypische (NT) individuen. Met behulp van Receiver Operating Characteristic (ROC) analyses werden AQ-J-totaalscores beoordeeld op hun vermogen om onderscheid te maken tussen de ASS-groep en NT-groep, de SCD-groep en NT-groep, en de ASS-groep en SCD-groep.
ROC-analyse is een statistische methode die vaak wordt gebruikt in diagnostisch onderzoek om de prestaties van een classificatiemodel te evalueren, zoals bij het beoordelen van de effectiviteit van medische tests of screeningsinstrumenten. Hier zijn enkele belangrijke aspecten van ROC-analyse:
Doel van ROC-analyse
- Het hoofddoel van een ROC-analyse is het beoordelen van de capaciteit van een diagnostische test om tussen twee groepen onderscheid te maken, meestal tussen patiënten met een aandoening (positieve gevallen) en gezonde individuen (negatieve gevallen).
ROC-curve
De ROC-curve is een grafische weergave van de trade-off tussen gevoeligheid (waarheidsgetrouwe positieven) en specificiteit (waarheidsgetrouwe negatieven) bij verschillende drempelwaarden voor de testresultaten. Het toont de prestaties van het classificatiemodel over het hele bereik van mogelijke drempelwaarden.
Oppervlakte onder de curve (AUC)
- De AUC is een samenvattende maatstaf die de algehele prestaties van het model weergeeft. Het varieert van 0 tot 1, waarbij een hogere AUC-waarde wijst op een betere onderscheidingskracht. Een AUC van 0,5 geeft aan dat het model niet beter presteert dan willekeurig raden, terwijl een AUC van 1.0 perfecte onderscheiding aangeeft.
Optimale Drempelwaarde
- De ROC-curve helpt bij het identificeren van de optimale drempelwaarde voor de diagnostische test. Deze drempelwaarde correspondeert met het punt op de curve dat het dichtst bij de linkerbovenhoek ligt, waar maximale gevoeligheid en specificiteit samenkomen.
Toepassingen
- ROC-analyse wordt veel gebruikt in de medische diagnostiek, maar het is ook relevant in andere domeinen zoals machine learning, waar het de prestaties van classificatiemodellen evalueert. Het is vooral nuttig wanneer er sprake is van een handelsconflict tussen het verminderen van valse positieven en valse negatieven.
Interpretatie
- Een ROC-analyse biedt een visuele en kwantitatieve manier om de prestaties van een diagnostische test te beoordelen. Het helpt bij het nemen van beslissingen over de bruikbaarheid van een test in een klinische of onderzoekssituatie.
Resultaten
De resultaten toonden aan dat de AQ-J-totaalscores effectief onderscheid maakten tussen de verschillende groepen. Voor de ASD- en NT-groepen was de oppervlakte onder de curve (AUC) 0.96, met een optimale drempelwaarde van 23 punten. De AUC voor SCD en NT groepen was 0.89, met een optimale drempelwaarde van 22 punten. Voor de ASD en SCD groepen was de AUC 0.75, met een optimale drempelwaarde van 32 punten.
De bevindingen suggereren dat de AQ-J waardevol kan zijn in het screenen op zowel ASS als SCD. Opvallend is dat de optimale drempelwaarden lager waren dan eerder gerapporteerde waarden, wat suggereert dat de AQ-J een effectief instrument kan zijn, vooral in de primaire zorg.
Beperkingen
Ondanks de veelbelovende resultaten zijn er enkele beperkingen, zoals de retrospectieve aard van het onderzoek en de noodzaak van toekomstig onderzoek in de algemene bevolking om de screeningsefficiëntie verder te valideren.
Conclusie
Dit onderzoek ondersteunt de potentiële waarde van de AQ-J als screeningsinstrument voor zowel ASD als SCD. Het benadrukt het belang van vroegtijdige detectie en het gebruik van gestandaardiseerde screeningstools in de context van psychische stoornissen.
Yoshinaga K, Egawa J, Watanabe Y, Kasahara H, Sugimoto A, Someya T. Usefulness of the autism spectrum quotient (AQ) in screening for autism spectrum disorder and social communication disorder. BMC Psychiatry. 2023 Nov 13;23(1):831. doi: 10.1186/s12888-023-05362-y. PMID: 37957611; PMCID: PMC10644653.
