Gjennomgang: Datasimulering kan supplere kognitive tester som brukes til å evaluere ADHD-symptomer

12. januar 2021

Nøyaktigheten og bruken av kognitive tester som brukes til å diagnostisere ADHD kan forbedres ved bruk av beregningsmodeller eller datamaskiner simuleringer av normale hjerneprosesser som sammenlignes med dysfunksjonelle prosesser observert hos pasienter, ifølge en ny gjennomgang publisert i Psykologisk bulletin.¹ Kognitive tester kan bidra til å identifisere selektiv oppmerksomhet, dårlig arbeidsminne, endret tidsoppfatning, vanskeligheter med å opprettholde oppmerksomhet og impulsiv oppførsel, men de fanger ikke alltid opp kompleksiteten av ADHD symptomer, ifølge studieforfatterne. Beregningsmodeller kan være med på å fylle dette gapet, fant de.

Forskere gjennomgikk 50 studier av kognitive tester for ADHD og bestemte hvordan tre vanlige beregningsmodeller (diffusjonsbeslutningsmodeller, absolutte akkumulatormodeller og tidligere Gaussiske distribusjonsmodeller) kunne supplere dem. De tilbød deretter veiledning for testing og klinisk praksis som kunne hjelpe klinikere til å bedre karakterisere ADHD og eventuelle medfølgende psykiske diagnoser, forbedrer behandlingsresultatene og forutsier ADHDs levetid symptomer.

Beslutningstaking under kjøring er et scenario som hjelper med å illustrere det potensielle problemet med kognitive tester. Når et rødt lys blir grønt, vet de fleste sjåfører at de kan fortsette å kjøre, men ikke alle trykker på bensinpedalen samtidig. En kognitiv test vil vise deltakerne det samme scenariet med rødt grønt lys for å bestemme et gjennomsnitt reaksjonstid og bruk avvikene fra det gjennomsnittet til å kategorisere det typiske versus uordnede oppførsel. Enkeltpersoner med ADHD blir vanligvis funnet å være "tregere" å begynne å kjøre, en konklusjon som ikke tar hensyn til faktorer som distraksjon, dagdrømmer eller nervøsitet. Datamodellering kan fange denne bredere fordelingen av reaksjoner.

Nadja Ging-Jehli, hovedforfatter av anmeldelsen, forklarte: “Vi kan bruke beregningsmodellering til å tenke på faktorene som genererer den observerte atferden. Disse faktorene vil utvide vår forståelse av en lidelse, og erkjenne at det er forskjellige typer individer som har forskjellige underskudd som også krever forskjellige behandlinger. ” Forskerne foreslo "å bruke hele fordelingen av reaksjonstidene, med tanke på de tregeste og raskeste reaksjonstidene til skille mellom forskjellige typer ADHD.”²

Gjennomgangen avslørte også et bredt spekter av eksternt tydelige ADHD-symptomer og mer subtile egenskaper som er vanskelig å oppdage med de vanligste testmetodene. Dette førte til at forskere konkluderte med at en enkelt oppgavebasert test ikke var tilstrekkelig for diagnostisere ADHD nøyaktig.

Ging-Jehli konkluderte med at ”Vi må redegjøre for de forskjellige typer sjåfører, og vi må forstå de forskjellige forholdene vi utsetter dem for. Basert på bare én observasjon kan vi ikke trekke konklusjoner om diagnose og behandlingsalternativer. ”

Til slutt skal kognitiv testing og beregningsmodellering sees på som komplement, ikke erstatning for kliniske intervjuer og spørreskjemaer. Klinikere bør administrere en rekke oppgaver som måler sosiale og kognitive egenskaper, og mer konsistens er nødvendig på tvers av litteraturen for å garantere at de samme kognitive oppgavene blir brukt til å vurdere passende kognitive begreper.

Kilder

¹Ging-Jehli, N. R., et al. (2021) Forbedring av neurokognitiv testing ved bruk av beregningspsykiatri - En systematisk gjennomgang av ADHD. Psykologisk bulletin. doi.org/10.1037/bul0000319.

²Henderson, Emily. Datasimulering kan bidra til å måle tilstedeværelsen av atferdsproblemer. News-Medical.net (Jan. 2021) https://www.news-medical.net/news/20210103/Computer-simulation-can-help-gauge-the-presence-severity-of-behavioral-problems.aspx

Oppdatert 12. januar 2021